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
  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

伪_装

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值