通过声音和语音分析进行性别识别-Python

问题陈述

        通过声音和语音分析进行性别识别--这是一个数据集，最初是为了根据声音和语音的声学特性，将声音识别为男性或女性。该数据集由3,168个录制的语音样本组成，收集自男性和女性说话者。语音样本在R中使用seewave和tuneR软件包进行声学分析预处理，分析的频率范围为0hz-280hz（人声范围）。

        Aim - 将给定的数据集分成训练和验证数据集，在训练数据上建立一个分类器，并在验证数据集上验证其性能。

链接：https://pan.baidu.com/s/14Ae1T_mHcbhsSSeP4M5EtQ?pwd=6688 
提取码：6688

导入库

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import re
import random


from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.naive_bayes import BernoulliNB, GaussianNB 
from sklearn.neighbors import KNeighborsClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.neural_network import MLPClassifier
import sklearn.metrics
import sklearn.model_selection

导入数据

dataframe = pd.read_csv("voice.csv")
dataframe.head()

dataframe.count()

数据框架属性

每个声音的以下声学特性被测量并包括在数据集中：

• meanfreq: 平均频率（以千赫计）
• sd: 频率的标准差
• median: 中值频率（单位：kHz）
• Q25: 第一个四分位数（以千赫计）
• Q75: 三分位数(kHz)
• IQR: 梯度间范围
• skew: 偏度（见specprop描述中的注）。
• kurt: 峰度（见specprop描述中的注）。
• sp.ent: 谱系熵
• sfm: 光谱平坦度
• mode: 模式频率
• centroid: 频率中心点（见specprop）。
• peakf: 峰值频率（能量最高的频率）
• meanfun: 整个声学信号中测得的基本频率的平均值
• minfun: 在声学信号中测得的最小基频
• maxfun: 在声学信号中测得的最大基频
• meandom: 整个声学信号中测得的主导频率的平均值
• mindom: 在整个声学信号中测得的主导频率的最小值
• maxdom: 在整个声学信号中测得的主导频率的最大值
• dfrange: 在整个声学信号中测量的主导频率范围
• modindx: 调制指数。计算方法是相邻的基频测量值之间的累积绝对差值除以频率范围
• label: 男性或女性

dataframe.describe().T

dataframe.isnull().sum()

 幸运的是，我们的数据框架中没有空值。

数据预处理

在这一节中，我们的目的是 

• 对目标变量进行标签编码。
• 洗涤