您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识
librosa(librosafeaturemelspectrogram)
数据,特征,音频librosa(librosafeaturemelspectrogram)
发布时间：2019-02-08加入收藏来源：互联网点击：
音频样本的长度都不同，这意味着频谱图也会有不同的长度。因此为了标准化所有录音，首先要将它们剪切到正好3秒的长度：太短的样本会被填充，而太长的样本会被剪掉。
一旦计算了所有这些频谱图，我们就可以继续对它们执行一些EDA！而且因为看到“性别”似乎与录音有特殊的关系，所以分别可视化两种性别的平均梅尔谱图，以及它们的差异。
男性说话者的平均声音低于女性。这可以通过差异图中的较低频率（在红色水平区域中看到）的更多强度来看出。
现在已经可以进行建模了。我们有多种选择。关于模型，我们可以……
·训练我们经典（即浅层）机器学习模型，例如LogisticRegression或SVC。
·训练深度学习模型，即深度神经网络。
·使用TensorflowHub的预训练神经网络进行特征提取，然后在这些高级特征上训练浅层或深层模型
而我们训练的数据是
·CSV文件中的数据，将其与频谱图中的“mel强度”特征相结合，并将数据视为表格数据集
·单独的梅尔谱图并将它们视为图像数据集
·使用TensorflowHub现有模型提取的高级特征，将它们与其他表格数据结合起来，并将其视为表格数据集
当然，有许多不同的方法和其他方法可以为建模部分创建数据集。因为我们没有使用全量的数据，所以在本文我们使用最简单的机器学习模型。
经典（即浅层）机器学习模型
这里使用EDA获取数据，与一个简单的LogisticRegression模型结合起来，看看我们能在多大程度上预测说话者的年龄。除此以外还使用GridSearchCV来探索不同的超参数组合，以及执行交叉验证。
fromsklearn.linear_modelimportLogisticRegression
fromsklearn.preprocessingimportRobustScaler,PowerTransformer,QuantileTransformer
fromsklearn.decompositionimportPCA
fromsklearn.pipelineimportPipeline
fromsklearn.model_selectionimportGridSearchCV
#Createpipeline
pipe=Pipeline(
("scaler",RobustScaler()),
("pca",PCA()),
("logreg",LogisticRegression(class_weight="balanced")),
#Creategrid
grid={
"scaler":[RobustScaler(),PowerTransformer(),QuantileTransformer()],
"pca":[None,PCA(0.99)],
"logreg__C":np.logspace(-3,2,num=16),
#CreateGridSearchCV
grid_cv=GridSearchCV(pipe,grid,cv=4,return_train_score=True,verbose=1)
#TrainGridSearchCV
model=grid_cv.fit(x_tr,y_tr)
#CollectresultsinaDataFrame
cv_results=pd.DataFrame(grid_cv.cv_results_)
#Selectthecolumnsweareinterestedin
col_of_interest=[
"param_scaler",
"param_pca",
"param_logreg__C",
"mean_test_score",
"mean_train_score",
"std_test_score",
"std_train_score",
cv_results=cv_results[col_of_interest]
#Showthedataframesortedaccordingtoourperformancemetric
cv_results.sort_values("mean_test_score",ascending=False)
作为上述DataFrame输出的补充，还可以将性能得分绘制为探索的超参数的函数。但是因为使用了有多个缩放器和PCA，所以需要为每个单独的超参数组合创建一个单独的图。
在图中，可以看到总体而言模型的表现同样出色。当降低C的值时，有些会出现更快的“下降”，而另一些则显示训练和测试（这里实际上是验证）分数之间的差距更大，尤其是当我们不使用PCA时。
下面使用best_estimator_模型，看看它在保留的测试集上的表现如何。
#Computescoreofthebestmodelonthewithheldtestset
best_clf=model.best_estimator_
best_clf.score(x_te,y_te)
>>>0.4354094579008074
这已经是一个很好的成绩了。但是为了更好地理解分类模型的表现如何，可以打印相应的混淆矩阵。
虽然该模型能够检测到比其他模型更多的20岁样本（左混淆矩阵），但总体而言，它实际上在对10岁和60岁的条目进行分类方面效果更好（例如，准确率分别为59%和55%）。
在这篇文章中，首先看到了音频数据是什么样的，然后可以将其转换成哪些不同的形式，如何对其进行清理和探索，最后如何将其用于训练一些机器学习模型。如果您有任何问题，请随时发表评论。
最后本文的源代码在这里下载：
作者：MichaelNotter
python怎么把输出保存为一个文件？
写入什么数据就用什么模式打开文件，写二进制数据就用二进制模式打开文件，这样就没问题了。
本文到此结束，希望对大家有所帮助呢。
上一篇：大连国际股吧(大连圣亚股吧)
下一篇：返回列表
相关链接 |
||
| 网友回复（共有 0 条回复） |