ground0state

import numpy as np
from scipy import signal
from scipy.signal import butter
import pywt
import matplotlib.pyplot as plt


def high_pass_filter(x, low_cutoff=10, sample_rate=sample_rate):
    """
    From @randxie https://github.com/randxie/Kaggle-VSB-Baseline/blob/master/src/utils/util_signal.py

ground0state

import numpy as np
from scipy import signal
import matplotlib.pyplot as plt
import sys


# 時系列のサンプルデータ作成
f1 = 120
f2 = 150
n = 256  # データ数

ground0state

from scipy import fftpack, signal
import scipy
import numpy as np
from scipy import signal
import matplotlib.pyplot as plt


x = np.linspace(0, 10, 100)
yorg = np.sin(x)
y = yorg + np.random.randn(100)*0.5

ground0state

# https://org-technology.com/posts/power-spectral-density.html
"""
適当な信号を作成して periodogram と welch で PSD を推定してみます。
下の例ではセグメント長 nseg はデフォルトで 256 なので、
ちょうど n/4 の長さです。
いくつかセグメント長を変えて推定した結果をプロットしています。
なおオーバーラップ noverlap はデフォルトのままで nseg/2、
つまり 50% オーバーラップして計算しています。
periodogramでは窓関数はデフォルトではなし(Boxcar と同じ)、
welch では Hanning です。

ground0state

"""
喜多 一,『プログラミング演習 Python 2019( コラム編 )』, 2020-02-13, http://hdl.handle.net/2433/245698
LISENCE: CC-BY-NC-ND

[参考資料]
桂田 祐史:Python を使った WAVE ファイルの処理、 http://nalab.mind.meiji.ac.jp/~mk/lecture/fourier-2018/python-sound/ (2018/12/3 アクセ ス)
"""

import numpy as np
import wave

ground0state

"""
MIT License
Copyright (c) 2017-2020 Packt, grouns0state
https://github.com/PacktPublishing/Artificial-Intelligence-with-Python/blob/master/LICENSE
"""
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import MeanShift, estimate_bandwidth
from itertools import cycle
from sklearn.datasets import make_blobs

ground0state

"""
MIT License
Copyright (c) 2017-2020 Packt, grouns0state
https://github.com/PacktPublishing/Artificial-Intelligence-with-Python/blob/master/LICENSE
"""
from sklearn.cluster import KMeans
from sklearn import metrics
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs

ground0state

class LayeredFoldWrapper(Dataset):
    def __init__(self, dataset, n_splits=5, fold=0, valid=False):
        self.dataset = dataset
        self.n_splits = n_splits
        self.fold = fold
        self.valid = valid
        self.valid_index = list(self._valid_index(len(dataset), n_splits, fold))
        self.train_index = list(set(range(len(dataset))) - set(self.valid_index))

    def __len__(self):

ground0state

import os
import random
import numpy as np
import torch

def set_seed(seed: int = 42):
    random.seed(seed)
    np.random.seed(seed)
    os.environ["PYTHONHASHSEED"] = str(seed)
    torch.manual_seed(seed)

ground0state

import logging

def get_logger(out_file=None):
    logger = logging.getLogger()
    formatter = logging.Formatter("%(asctime)s - %(levelname)s - %(message)s")
    logger.handlers = []
    logger.setLevel(logging.INFO)
    
    stream_handler = logging.StreamHandler()
    stream_handler.setFormatter(formatter)