AI——音乐分类器

目标：输入一首歌曲，自动对歌曲进行分类

 

音乐数据怎么存储呢？

假如做十分类，就用十个文件夹来存储

然后首先要做的事情就是选用分类算法

          分类算法是有监督机器学习，常用的分类算法有 logistics regression，random tree，xgboost，softmax

      然后确定训练数据是什么样的？ 假如做十分类，

                       分类对应的 x应该是 m行 n列，y，就是 m行 1列，y的取值为 （0123456789）

     每个分类100条训练的数据的话，X就是 m=1000行

        那么 n 怎么确定呢？怎么确定音乐数据 n 的维度？

   我们必须要把音乐数据转换为计算机可以读懂的数据？

   问题来了，怎么发现音乐文件的特征，怎么组合这些特征？

量化特征。把时间轴的音乐数据转换到频率轴

  基本特征，  隐含特征，  组合特征，

目标泄漏：是指将label y泄漏到x变量中，这样模型是学不到什么的

  如： 将A1-100，B1-100这样的文件名作为x训练数据的一个维度，模型就会只根据文件名来划分

在这里使用 python的 scipy 模块读取音乐文件  

from scipy.io import wavfile

这样的话我们需要使用工具预先将音乐文件转换为 wav 格式的，

           使用

from matplotlib.pyplot import specgram    将音乐画成图的形式

如图意味着，计算机每秒采集到的音乐文件模拟数据点为 2050个数据点，这个音乐数据总共 4410 个点，时长为  4410/2050=0.2 秒

 时长为 9935622/32000=310.4秒

纵坐标为声音大小

这样可以把音乐文件转换为图片保存起来。但是如果用这些图片去训练则是不可取的；

   下面使用傅里叶变换 将时间轴数据转换为频率轴数据；

from scipy import fft       fft 快速傅里叶变换（傅里叶的一种）

FFT是一种数据处理技巧,它可以把time domain上的数据,例如一个音频,拆成一堆基准频率,然后投射到frequency domain上

那么我们x的n取什么好呢？因为音乐是给人听的，所以根据人能听到的频率段决定。然后再根据模型准确率，业务等改变。

傅里叶变换中有正负频率，一般只取正频率 abs(fft(X))

   在20Hz～20kHz整个可听声频率范围内，人耳对300～6000Hz左右的频段特别敏感

这样我们就得到了train-set的 n，可以取 60-1500

然后将音乐文件通过快速傅里叶变换保存为trainset这样就得到了相同维度的x

即：fft(X)[60:1500]   傅里叶变换默认是按照频率从小到大排序

得到trainset之后，就可以使用分类算法了训练模型了，比如使用ovr 模式的logistics regression

最后再将测试数据同样经过相同的傅里叶变换后进行测试