Machine learning 音乐分类的最佳功能_Machine Learning_Neural Network_Deep Learning_Audio Analysis

Machine learning 音乐分类的最佳功能

machine-learning neural-network deep-learning

Machine learning 音乐分类的最佳功能,machine-learning,neural-network,deep-learning,audio-analysis,Machine Learning,Neural Network,Deep Learning,Audio Analysis,我正试图开发一个应用程序，通过训练一个神经网络，将用户自己已经标记为喜爱的音乐分类为可能喜爱的音乐或不可能喜爱的音乐。我以前从未做过音频分析，所以我对它几乎一无所知要使这成为一个准确的分类模型，我需要在我的音乐数据集中包含哪些功能。分贝值，频率值，音频长度谢谢从使用Essentia的音乐功能提取器开始。例如，您可以使用他们的。这为您提供了大量的低级音频功能（30多种类型），以及节奏（6多种功能类型）和音调（6多种功能）。您也可以使用Python绑定执行同样的操作。频谱图是一种非常有用的技术

我正试图开发一个应用程序，通过训练一个神经网络，将用户自己已经标记为喜爱的音乐分类为可能喜爱的音乐或不可能喜爱的音乐。我以前从未做过音频分析，所以我对它几乎一无所知要使这成为一个准确的分类模型，我需要在我的音乐数据集中包含哪些功能。分贝值，频率值，音频长度

谢谢

从使用Essentia的音乐功能提取器开始。例如，您可以使用他们的。这为您提供了大量的低级音频功能（30多种类型），以及节奏（6多种功能类型）和音调（6多种功能）。

您也可以使用Python绑定执行同样的操作。

频谱图是一种非常有用的技术，用于可视化声音频率的频谱以及它们在非常短的时间内如何变化。可以使用类似的技术（称为Mel频率倒谱系数（MFCC））作为数据集的特征

您可以使用从时间序列音频数据生成MFCC的功能，以使任务更简单

如果您有足够的数据，除了这些其他功能之外，您可能还需要使用RNN对音乐本身的实际频域进行编码。这非常接近于推荐问题。最有可能被归类为最受欢迎的可能也是最主要的推荐