Machine learning 用机器学习算法训练MFCC

我有一个数据集的MFCC，我知道是好的。我知道如何将行向量放入机器学习算法中。我的问题是如何使用MFCC，因为它是一个矩阵？例如，我如何将其放入机器学习算法中：

任何算法都可以。我正在研究一个二进制分类器，但将进一步研究它。Scikit似乎是一个很好的资源。现在我只想知道如何将MFCC输入到算法中。一步一步对我帮助很大！我找了很多地方，但没有找到答案

---

谢谢你

在python中，你可以轻松地将矩阵展平，使其成为向量，例如，你可以使用numpy和numpy的展平函数，另外我想到的一个想法（这只是一个想法可能行得通，也可能行不通）是使用卷积，卷积在2d结构中非常有效

在python中，您可以轻松地展平矩阵，使其成为向量，例如，您可以使用numpy和numpy的展平函数，此外，我想到的一个想法（这只是一个想法可能有效，也可能无效）是使用卷积，卷积在2d结构中非常有效

那你想做什么呢？将声音文件A作为特征传递，B作为类传递？为了清晰起见，我重新表述了我的问题。现在的问题包括一个链接。我的数据集看起来就是这样，我想知道如何将其输入到机器学习算法中？为什么这些数字之间有一条空线？有分类目标类吗？解释每个块代表一个声音文件的数据。每一行是此类声音文件（20-40ms）的一小部分，每一列表示mel频率倒谱的系数（因此为MFCC）。空行分隔声音文件。我正在考虑为分类目标类创建一个列，但不确定如何标记它，因为每个声音文件都有多行。块中的每一行是否来自所有声音文件的相同时间段。还是随机的？那你想做什么？将声音文件A作为特征传递，B作为类传递？为了清晰起见，我重新表述了我的问题。现在的问题包括一个链接。我的数据集看起来就是这样，我想知道如何将其输入到机器学习算法中？为什么这些数字之间有一条空线？有分类目标类吗？解释每个块代表一个声音文件的数据。每一行是此类声音文件（20-40ms）的一小部分，每一列表示mel频率倒谱的系数（因此为MFCC）。空行分隔声音文件。我正在考虑为分类目标类创建一个列，但不确定如何标记它，因为每个声音文件都有多行。块中的每一行是否来自所有声音文件的相同时间段。还是随机的？