क्लासिफिकेशन के लिए इस्तेमाल होने वाले फीचर्स को बेहतर बनाना

Python में Time Series Data के लिए Machine Learning

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

ऑडिटरी एनवलप

ऑडिटरी एनवलप निकालने के लिए डेटा को स्मूथ करें
हर समय बिंदु पर मौजूद कुल ऑडियो ऊर्जा से जुड़ा

समय के साथ स्मूथिंग

पूरे समय पर औसत लेने के बजाय, आप लोकल औसत ले सकते हैं
इसे अपनी टाइमसीरीज़ को स्मूथ करना कहते हैं
यह अल्पकालिक शोर हटाता है और समग्र पैटर्न बचाता है

अपने डेटा को स्मूथ करें

रोलिंग विंडो स्टैटिस्टिक निकालना

# Audio is a Pandas DataFrame
print(audio.shape)  
# (n_times, n_audio_files)

(5000, 20)

# Smooth our data by taking the rolling mean in a window of 50 samples
window_size = 50
windowed = audio.rolling(window=window_size)
audio_smooth = windowed.mean()

ऑडिटरी एनवलप की गणना

पहले अपने ऑडियो को rectify करें, फिर स्मूथ करें
```
  audio_rectified = audio.apply(np.abs)
  audio_envelope = audio_rectified.rolling(50).mean()
```

एनवलप पर फीचर इंजीनियरिंग

# Calculate several features of the envelope, one per sound
envelope_mean = np.mean(audio_envelope, axis=0)
envelope_std = np.std(audio_envelope, axis=0)
envelope_max = np.max(audio_envelope, axis=0)

# Create our training data for a classifier
X = np.column_stack([envelope_mean, envelope_std, envelope_max])

scikit-learn के लिए फीचर्स तैयार करना

X = np.column_stack([envelope_mean, envelope_std, envelope_max])
y = labels.reshape(-1, 1)

क्लासिफिकेशन के लिए क्रॉस-वैलिडेशन

cross_val_score यह प्रक्रिया ऑटोमेट करता है:
- डेटा को training/validation सेट्स में बाँटना
- मॉडल को training डेटा पर फिट करना
- validation डेटा पर स्कोर करना
- इस प्रक्रिया को दोहराना

cross_val_score का उपयोग

from sklearn.model_selection import cross_val_score

model = LinearSVC()
scores = cross_val_score(model, X, y, cv=3) 
print(scores)

[0.60911642 0.59975305 0.61404035]

ऑडिटरी फीचर्स: टेम्पोग्राम

हम टाइमसीरीज़-विशिष्ट फंक्शन्स से जटिल समय-संबंधी जानकारी का सार ले सकते हैं
librosa ऑडिटरी और टाइमसीरीज़ फीचर इंजीनियरिंग के लिए बढ़िया लाइब्रेरी है
यहाँ हम tempogram निकालेंगे, जो समय के साथ ध्वनि के tempo का अनुमान लगाता है
एनवलप की तरह ही, हम tempo के summary statistics भी निकाल सकते हैं

टेम्पोग्राम की गणना

# Import librosa and calculate the tempo of a 1-D sound array
import librosa as lr
audio_tempo = lr.beat.tempo(y=audio, sr=sfreq, 
                            hop_length=2**6)

अभ्यास करते हैं!

Python में Time Series Data के लिए Machine Learning

Preparing Video For Download...