前几天是实现wav文件的特征提取，今天来使用kaggle上上案例测试一番，实践基于GTZAN数据集，是用于评估音乐流派识别的机器聆听研究中最常用的公共数据集。经过实践，发现这个案例基本攘括了前段时间神经网络学习的所有知识，可以很很好的复习学习的内容，可以作为以后简单网络的开局案例。
语音特征提取时，笔者以前只知道帧数放在一起算平均来提取一段语音的特征（均值np.mena），还可以增加特征的方差（np.var）来丰富特征，在以后笔者oneclass语音识别是值得借鉴。
1、数据读取dateset
基于GTZAN数据集，使用pd.read_csv读取csv文件，数据文件共1000行，60个列。特征列包含音频文件中提取的多个要素的均值和方差。包含10种类型的集合，每个流派有100个音频文件，所有文件的长度均为30秒，所有数据的数据点数在30 * 22050 = 661500附近。
2、特征处理Feature Extraction
使用sklearn.preprocessing的LabelEncoder() 函数完成目标类别数字编码。
3、特征标准化Scaling the features
使用sklearn.preprocessing的StandardScaler函数使数据形成标准正态分布。
5、训练测试分离Dividing Training and Testing Dataset
使用train_test_split完成测试集和训练集分离，test_size=0.1。
6、创建DNN模型Building the model
DNN模型包含四个隐藏层，激活函数使用relu，同时使用dropout防止过拟合。
输出层有十个神经元，因为输出的是互斥的多分类，激活函数使用softmax。
使用Adam优化器来训练模型，训练轮次为600，Adam优化器是一种自适应学习率算法。
model.summary()显示模型的所有层以及参数等信息，Total params: 203,338。
7、模型验证Model Evaluation
model.evaluate在测试集上验证可以得到78%的准确率。
查看学习曲线，训练模型过拟合。
使用分割的3秒音乐数据再次训练
features_3_sec.csv这个文件具有相同的结构，但歌曲之前被拆分为3秒的音频文件，这样可以增加10倍于我们进入分类模型的数据量，是解决过拟合的一个方法，数据越多越好。
再次训练发现，模型在测试集上可以达到93.99的准确率。
网友评论