Βήμα 4

[E1en1]

Ακολουθώντας τις οδηγίες, το 1ο MFCC για κάθε αρχείο ήχου είναι διάνυσμα και μάλιστα μεταβαλλόμενης διάστασης για κάθε αρχείο. Το ίδιο και για το 2ο MFCC. Υπάρχει κάποια προεπεξεργασία που μπορούμε να κάνουμε για να το μετατρέψουμε σε αριθμητική τιμή ή μήπως πρόκειται περί δικού μου λάθους; Διαφορετικά γίνεται να κάνουμε ιστόγραμμα από διανύσματα;

(πώς προσθέτουμε label?)

[georgepar]

Σε ποιο ερώτημα αναφέρεστε; Τα χαρακτηριστικά εξάγονται σε παράθυρα χρόνου, οπότε είναι διάστασης (number of timesteps x number of features).

Στα παρακάτω ερωτήματα προτείνονται διάφοροι μέθοδοι για να διαχειριστείτε ακολουθιακά δεδομένα, από απλό averaging μέχρι χρήση ακολουθιακών μοντέλων (HMMs / RNNs)

[E1en1]

Στο βήμα 4 αναφέρομαι

[georgepar]

Πιστεύω δεν χρειάζεται να τα μειώσετε για να γίνουν ένα διάνυσμα. Μπορείτε να χρησιμοποιήσετε το np.corrcoef και το np.histogram, ή κάποια αντίστοιχη συνάρτηση του scipy. Και οι δύο συναρτήσεις διαχειρίζονται δισδιάστατα διανύσματα.