《表1 部分特征数据：音乐流派的多种机器学习模型分类比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《音乐流派的多种机器学习模型分类比较》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

每一个音频信号都包含很多特征，运用Python的Librosa工具提取特征，选取的特征有chroma＿stft、chroma＿cqt、rmse、spectral＿centroid、spectral＿bandwidth、rolloff、zero＿crossing＿rate、tonnetz、tempogram、contrast、poly＿features、chroma＿cens以及20组梅尔频率倒谱系数（Mel Frequency Cepstrum Coefficient，MFCC)[14]，共33 000个特征数据，然后将数据集保存到.csv文件中，作为分类算法的输入，表1是特征数据集的一部分数据.