机器学习————逻辑回归练习（音乐分析）

最新推荐文章于 2024-01-08 12:32:01 发布

幸郝吖

最新推荐文章于 2024-01-08 12:32:01 发布

阅读量378

点赞数

分类专栏：机器学习

本文链接：https://blog.csdn.net/weixin_41572488/article/details/98502532

版权

本文介绍了一个音乐分类器的实践，利用逻辑回归算法对歌曲进行分类，旨在帮助音乐APP提供精准的歌曲分类服务。

摘要由CSDN通过智能技术生成

文章目录

音乐分类

音乐分类

有一家音乐app公司希望我们提供一个音乐分类器，
他们希望得到的结果是：
输入一首歌，可以对输入的歌曲进行分类

import numpy as np
from sklearn.linear_model import LogisticRegression
from scipy import fft
from scipy.io import wavfile
from tqdm import tqdm


# 准备音乐数据
def create_fit(g, n):
    # zfill返回指定长度的字符串，原字符串右对齐，前面填充0
    rad = './genres/' + g + '/converted/' + g + '.' + str(n).zfill(5) + '.au.wav'
    # sample_rate:采样率
    # 模电(连续的信号)变数电(数字的表达)
    # 采样率越高，如果单位时间采样点越多，信息损失的越少
    # x是音乐文件
    sample_rate, X = wavfile.read(rad)
    fft_features = abs(fft(X)[:1000])

    sad = './genres/' + g + '.' + str(n).zfill(5) + '.fft'
    np.save(sad, fft_features)


if __name__ == '__main__':
    genre_list = ["classical", "blues", "country", "disco"]
    X