音樂分類

代碼：

import numpy as np
from scipy import fft
from scipy.io import wavfile
from sklearn.linear_model import LogisticRegression
import random
"""
    使用logistic regression處理音樂數據，音樂數據訓練樣本的獲得是使用快速傅里葉變換：
    1.吧訓練集擴大到每類100首歌二部之前的10首歌
    2.同時使用logistic回歸和KNN作為分類器
    3.引入一些評價標準來比較logictic和KNN在測試集上的表現
"""
"""
n = 40
# hstack數據拼接
# 在模擬X的時候使用了兩個正態分布,分別制定各自的均值,方差,生成40個點
X = np.hstack((norm.rvs(loc=2, size=n, scale=2), norm.rvs(loc=8, size=n, scale=3)))
# zeros使得數據點生成40個0,ones使得數據點生成40個1
y = np.hstack((np.zeros(n), np.ones(n)))

"""
general_list = ["classical", "jazz", "country", "pop", "rock", "metal"]
"""
# 處理原始數據，轉化為特征文件
def create_fft(g, n):
    read = "d:/xxx/"+g+"/conberted/"+g+"."+str(n).zfill(5)+".au.wav"
    sample_rate, x = wavfile.read(read)
    fft_features = abs(fft(x)[:1000])
    sad = "d:/trainset/"+g+"."+str(n).zfill(5)+".fft"
    np.save(sad, fft_features)


for g in gener_list:
    for n in range(100):
        create_fft(g, n)
"""
# 加載訓練集數據，分割訓練集和測試集，進行分類器的訓練
# 構造訓練集
x = []
y = []
for g in general_list:
    for n in range(100):
        read = "D:/AnalyseData學習資源庫/人工智能開發【中】/05_分類器項目案例和神經網絡算法【尚學堂·百戰程序員】/資料/trainset/"+g+"."+str(n).zfill(5)+".fft"+".npy"
        fft_features = np.load(read)
        x.append(fft_features)
        y.append(general_list.index(g))

x = np.array(x)
y = np.array(y)

# 拆分數據為訓練集和測試集
randomIndex = random.sample(range(len(y)), int(len(y)*8/10))
trainX = []
trainY = []
testX = []
testY = []

for i in range(len(y)):
    if i in randomIndex:
        trainX.append(x[i])
        trainY.append(y[i])
    else:
        testX.append(x[i])
        testY.append(y[i])

# 使用sklearn來構建和訓練兩種分類器

# logistic classifier
model = LogisticRegression()
# train
model.fit(trainX, trainY)
# test
predict = model.predict(testX)
print(testY)
print("--------------------------------------------------")
print(predict)
# error
import math
error = 0.0
for i in range(len(testY)):
    if testY[i] != predict[i]:
        error = error + 1
print(error/len(testY))

print("starting read wavfile...")
sample_rate, test = wavfile.read("D:/AnalyseData學習資源庫/人工智能開發【中】/05_分類器項目案例和神經網絡算法【尚學堂·百戰程序員】/資料/trainset/sample/heibao-wudizirong-remix.wav")
testdata_fft_features = abs(fft(test))[:1000]
type_index = model.predict([testdata_fft_features])[0]

print("預測音樂分類為："+general_list[type_index])

結果：

?