Как я могу исправить ошибку измерения между mf cc и классификатором adaboost? - PullRequest
Новая
       83

Как я могу исправить ошибку измерения между mf cc и классификатором adaboost?

0 голосов
/ 04 апреля 2020

Я хочу использовать функцию извлечения аудиофайла 3450 для поезда и 690 аудиофайлов для теста. Я хочу классифицировать эти данные на 6 классов. Y_train ((3450,6)) и Y_test ((690,6)) являются меткой данных поезда и теста. Когда я запускаю следующий код, у меня появляется ошибка измерения размера X_train после извлечения элемента (25,13). Как я могу решить эту проблему? 

from pathlib import Path
import glob

import numpy as np
from keras.utils import np_utils
import scipy.io.wavfile as wavfile

from python_speech_features import mfcc
from sklearn.ensemble import AdaBoostClassifier
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score


# Load Data train
path = Path('/home/narges/DataSet_981110/Vowel-DataSet/data-spilit/Data_train/').glob('**/*.wav')
wavs = [str(wavf) for wavf in path if wavf.is_file()]
wavs.sort()

number_of_files=len(wavs)
spk_ID = [wavs[i].split('/')[-1].lower() for i in range(number_of_files)]

label_no = [spk_ID[i].split('_')[-2] for i in range(number_of_files)]
Y_train = np_utils.to_categorical(label_no)

X_train = mfcc(sig, rate, winlen=0.06, winstep=0.01, numcep=13, nfilt=26, nfft=512, lowfreq=0, highfreq=rate/2, preemph=0.97, ceplifter=22, appendEnergy=True, winfunc=np.hamming)

# Load Data test
path_t = Path('/home/narges/DataSet_981110/Vowel-DataSet/data-spilit/Data_test/').glob('**/*.wav')
wavs_t = [str(wavf) for wavf in path_t if wavf.is_file()]
wavs_t.sort()

number_of_files_t=len(wavs_t)
spk_ID_t = [wavs_t[i].split('/')[-1].lower() for i in range(number_of_files_t)]

label_no_t = [spk_ID_t[i].split('_')[-2] for i in range(number_of_files_t)]
Y_test = np_utils.to_categorical(label_no_t)

for i in range(number_of_files_t):
    (rate_t,sig_t) = wavfile.read(wavs_t[i])

X_test = mfcc(sig_t, rate_t, winlen=0.06, winstep=0.01, numcep=13, nfilt=26, nfft=512, lowfreq=0, highfreq=rate/2, preemph=0.97, ceplifter=22, appendEnergy=True, winfunc=np.hamming)


# Create adaboost classifer object
adamodel =AdaBoostClassifier(n_estimators=50, base_estimator=SVC,learning_rate=1)

# Train Adaboost Classifer
model = adamodel.fit(wavs, Y_train.shape[0])

#Predict the response for test dataset
y_pred = model.predict(wavs_t)


# Model Accuracy, how often is the classifier correct?
print("Accuracy:",accuracy_score(Y_test, y_pred))
...