Classification et ingénierie des caractéristiques

Machine Learning pour les données chronologiques en Python

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

Toujours visualiser les données brutes avant d'ajuster un modèle

Visualisez vos séries chronologiques !

ixs = np.arange(audio.shape[-1])
time = ixs / sfreq
fig, ax = plt.subplots()
ax.plot(time, audio)

Quelles caractéristiques utiliser ?

Les séries chronologiques brutes sont trop bruyantes pour la classification
Il faut calculer des caractéristiques !
Départ facile : résumer vos données audio

Calculer plusieurs caractéristiques

print(audio.shape)
# (n_files, time)

(20, 7000)

means = np.mean(audio, axis=-1)
maxs = np.max(audio, axis=-1)
stds = np.std(audio, axis=-1)

print(means.shape)
# (n_files,)

(20,)

Ajuster un classificateur avec scikit-learn

Nous avons réduit un ensemble 2D (échantillons × temps) en plusieurs caractéristiques d'un ensemble 1D (échantillons)
On peut combiner chaque caractéristique et l'utiliser comme entrée d'un modèle
Avec une étiquette par échantillon, on peut utiliser scikit-learn pour créer et ajuster un classificateur

Préparer vos caractéristiques pour scikit-learn

# Import a linear classifier
from sklearn.svm import LinearSVC

# Note that means are reshaped to work with scikit-learn
X = np.column_stack([means, maxs, stds])
y = labels.reshape(-1, 1)
model = LinearSVC()
model.fit(X, y)

Évaluer votre modèle scikit-learn

from sklearn.metrics import accuracy_score

# Different input data
predictions = model.predict(X_test)  

# Score our model with % correct
# Manually
percent_score = sum(predictions == labels_test) / len(labels_test)  
# Using a sklearn scorer
percent_score = accuracy_score(labels_test, predictions)

Passons à la pratique !

Machine Learning pour les données chronologiques en Python