Kaggleに登録したら次にやること ～ これだけやれば十分闘える！Titanicの先へ行く入門 10 Kernel ～ - Qiita
Kaggleに登録したら次にやること ～ これだけやれば十分闘える！Titanicの先へ行く入門 10 Kernel ～PythonKaggle 事業会社でデータサイエンティストをしているu++です。普段ははてなブログ1で、Kaggleや自然言語処理などデータ分析に関する記事を定期的に書いています。 Kaggleでは2019年に「PetFinder.my Adoption Prediction」2というコンペで優勝（チーム）し、「Santander Value Prediction Challenge」3というコンペで銀メダルを獲得（個人）しました。「Kaggle Master」と呼ばれる称号4を得ており、Kaggle内ランクは、約16万人中最高229位です5。 本記事では「Kaggleに登録したら次にやること」と題して、Kaggleに入門したい方に向けて次のようなコンテンツを掲載します。
ユール-ウォーカーAR法を使用したPSD(pyulear) - mikeo_410
ユール-ウォーカーAR法を使用したPSD(pyulear) パワースペクトル密度(PSD：Power Spectral Density)を計算します。 pyulear() たくさんのパラメータの指定方法が載っていますが、Pxx = pyulear(x,p,nfft,fs) の形式を考えます。 x は、入力となる振幅のサンプリングデータです。p は線形予測の際のorderで、小さいほど出力は滑らかなカーブになります。FFTの計算サイズで、周波数の分解能が制御できます。fsはサンプリングレートです。 Octave で、下記のスクリプトでPSDを計算します。 x = csvread('xa.csv'); [z f] = pyulear(x,32,2048,44100); n = find(f>5000)(1); plot(f(1:n),z(1:n));
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
promob.jp
