溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本篇內容介紹了“怎么使用Logistic回歸”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！
語音數字(Spoken digits)數據集是Tensorflow語音數據集的一個子集，它包括數字0-9之外的其他錄音。在這里，我們只關注識別口語數字。
數據集可以按如下方式下載。
data = download_url("http://download.tensorflow.org/data/speech_commands_v0.01.tar.gz", "/content/")
with tarfile.open('/content/speech_commands_v0.01.tar.gz', 'r:gz') as tar:
tar.extractall(path='./data')Downloading http://download.tensorflow.org/data/speech_commands_v0.01.tar.gz to /content/speech_commands_v0.01.tar.gz HBox(children=(FloatProgress(value=1.0, bar_style='info', max=1.0), HTML(value='')))
digit = ['zero', 'one', 'two', 'three', 'four', 'five', 'six', 'seven', 'eight', 'nine']
for x in digit:
print(x, ": ", len(os.listdir('/content/data/'+x)))
#平衡zero : 2376 one : 2370 two : 2373 three : 2356 four : 2372 five : 2357 six : 2369 seven : 2377 eight : 2352 nine : 2364
數字相當平衡，每個類有大約2300個樣本。因此，準確度是評估模型性能的一個很好的指標。準確度是正確預測數與總預測數的比較。
對于不平衡的數據集，這不是一個很好的性能度量，因為少數類可能會黯然失色。
在訓練一個模型時，學習率逐漸降低，以對訓練進行微調。為了提高學習效率，可以采用循環學習率。在這里，學習率在不同時期的最小值和最大值之間波動，而不是單調下降。
初始訓練率對模型的性能至關重要，低訓練率可防止在訓練開始時被卡住，隨后的波動抑制了局部極小值的情況。
該項目有三種分類方法：
使用五個提取的特征進行Logistic回歸分析，準確率為76.19%。
僅使用MFCCs的Logistic回歸-準確率為95.56%。
CNN使用Mel譜圖-準確率為95.81%。
通過改變epoch和訓練率對模型進行反復訓練。隱藏層的數量和每個層中的節點也各不相同。這里描述了每種方法的最佳架構和超參數。由于訓練和驗證集劃分的隨機性，再訓練的精確度可能略有不同。
有五個.ipynb文件：
特征提取-提取三種方法所需的CSV文件和特征。
特征可視化-在每個類中繪制特征圖。
Spokendigit五個特征-使用五個提取的特征實現邏輯回歸。
Spokendigit MFFC-使用MFCC實現邏輯回歸。
Spokendigit CNN-使用Mel譜圖實現CNN。
提取的特征包括：
Mel Frequency Cepstral Coefficients (MFCCs)-根據人類聽覺系統的響應（Mel尺度）間隔的頻帶組成聲音的頻譜表示的系數。
Chroma -與12個不同的音高等級有關。
Mel spectrogram的平均值-基于Mel標度的Mel譜圖。
Spectral Contrast-表示譜的質心。
Tonnetz -代表音調空間。
這些特征是大小為（20，）（12，）（128，）（7，）和（6，）的NumPy數組。這些連接起來形成一個大小為（173，）的特征數組。標簽被附加到數組的頭部，并寫入每個記錄的CSV文件中。
def extract_features(files):
data, sr = librosa.load('/content/data/'+files.File)
mfccs = np.mean(librosa.feature.mfcc(y = data, sr=sr).T, axis = 0)
stft = np.abs(librosa.stft(data))
chroma = np.mean(librosa.feature.chroma_stft(S = stft, sr = sr).T, axis = 0)
mel = np.mean(librosa.feature.melspectrogram(data, sr).T, axis = 0)
contrast = np.mean(librosa.feature.spectral_contrast(S = stft, sr = sr).T, axis = 0)
tonnetz = np.mean(librosa.feature.tonnetz(y = librosa.effects.harmonic(data), sr = sr).T, axis = 0)
#print(mfccs.shape, stft.shape, chroma.shape, mel.shape, contrast.shape, tonnetz.shape)
row = np.concatenate((mfccs, chroma, mel, contrast, tonnetz), axis = 0).astype('float32')
csvwriter.writerow(np.concatenate(([digit.index(files.Label)], row)))線性回歸模型共有1個輸入層、2個隱藏層和1個帶ReLu激活的輸出層。
class SpokenDigitModel(nn.Module): def __init__(self): super().__init__() self.l1 = nn.Linear(173, 1024) self.l2 = nn.Linear(1024, 512) self.l3 = nn.Linear(512, 64) self.l4 = nn.Linear(64, 10) def forward(self, x): x = F.relu(self.l1(x)) x = F.relu(self.l2(x)) x = F.relu(self.l3(x)) x = self.l4(x) return x def training_step(self, batch): inputs, labels = batch outputs = self(inputs) loss = F.cross_entropy(outputs, labels) return loss def validation_step(self, batch): inputs, labels = batch outputs = self(inputs) loss = F.cross_entropy(outputs, labels) _, pred = torch.max(outputs, 1) accuracy = torch.tensor(torch.sum(pred==labels).item()/len(pred)) return [loss.detach(), accuracy.detach()]
model = to_device(SpokenDigitModel(), device) history = [] evaluate(model, val_dl)
{'accuracy': 0.10285229980945587, 'loss': 3.1926627159118652}history.append(fit(model, train_dl, val_dl, 64, 0.01))
r = evaluate(model, val_dl)
yp, yt = predict_dl(model, val_dl)
print("Loss: ", r['loss'], "\nAccuracy: ", r['accuracy'], "\nF-score: ", f1_score(yt, yp, average='micro'))Loss: 2.0203850269317627 Accuracy: 0.7619398832321167 F-score: 0.7586644125105664
該模型在CPU上訓練約3分鐘，準確率為76.19%。
plot(losses, 'Losses')
從最小值開始，最終驗證損失慢慢變大。
plot(accuracies, 'Accuracy')
以上為準確率曲線
plot(last_lr, 'Last Learning Rate')
以上為每一epoch的學習率曲線
該模型僅使用Mel頻率倒譜系數（MFCCs）。這個特征是一個大小為（20，）的NumPy數組。它從包含上述所有特征的CSV文件中檢索。
線性回歸模型共有1個輸入層、2個隱藏層和1個帶ReLu激活的輸出層。
class SpokenDigitModel(nn.Module): def __init__(self): super().__init__() self.l1 = nn.Linear(20, 1024) self.l2 = nn.Linear(1024, 512) self.l3 = nn.Linear(512, 64) self.l4 = nn.Linear(64, 10) def forward(self, x): x = F.relu(self.l1(x)) x = F.relu(self.l2(x)) x = F.relu(self.l3(x)) x = self.l4(x) return x def training_step(self, batch): inputs, labels = batch outputs = self(inputs) loss = F.cross_entropy(outputs, labels) return loss def validation_step(self, batch): inputs, labels = batch outputs = self(inputs) loss = F.cross_entropy(outputs, labels) _, pred = torch.max(outputs, 1) accuracy = torch.tensor(torch.sum(pred==labels).item()/len(pred)) return [loss.detach(), accuracy.detach()]
model = to_device(SpokenDigitModel(), device) history = [] evaluate(model, val_dl)
{'accuracy': 0.08834186941385269, 'loss': 8.290132522583008}history.append(fit(model, train_dl, val_dl, 128, 0.001))
r = evaluate(model, val_dl)
yp, yt = predict_dl(model, val_dl)
print("Loss: ", r['loss'], "\nAccuracy: ", r['accuracy'], "\nF-score: ", f1_score(yt, yp, average='micro'))Loss: 0.29120033979415894 Accuracy: 0.9556179642677307 F-score: 0.9556213017751479
該模型在CPU上訓練約10分鐘，準確率為95.56%。
mfcc是基于Mel尺度的，在Mel尺度中，頻率是根據人的聽覺反應而不是線性尺度來分組的。人耳是一個經過考驗的語音識別系統，因此Mel尺度給出了很好的結果。
另一方面，mfcc容易受到背景噪聲的影響，因此在處理干凈的語音數據（無噪聲或最小噪聲）時效果最好。
plot(losses, 'Losses')
以上是驗證集損失曲線
plot(accuracies, 'Accuracy')
以上是驗證集準確率曲線
plot(last_lr, 'Last Learning Rate')
以上是每個epoch最后學習率的曲線
該模型使用了Mel譜圖。Mel譜圖是將頻率轉換為Mel標度的譜圖。這些特征從錄音中提取并存儲在驅動器中。這花了4.5個多小時。
def extract_mel(f, label):
data, sr = librosa.load('/content/data/'+label+'/'+f)
fig = plt.figure(figsize=[1,1])
ax = fig.add_subplot(111)
ax.axes.get_xaxis().set_visible(False)
ax.axes.get_yaxis().set_visible(False)
ax.set_frame_on(False)
S = librosa.feature.melspectrogram(y=data, sr=sr)
librosa.display.specshow(librosa.power_to_db(S, ref=np.max), x_axis='time', y_axis='mel', fmin=50, fmax=280)
file = '/content/drive/My Drive/Dataset/spokendigit/'+label+'/' + str(f[:-4]) + '.jpg'
plt.savefig(file, dpi=500, bbox_inches='tight',pad_inches=0)
plt.close()class SpokenDigitModel(nn.Module): def __init__(self): super().__init__() self.network = nn.Sequential( nn.Conv2d(3, 16, kernel_size=3, padding=1), nn.ReLU(), nn.MaxPool2d(2, 2), nn.Conv2d(16, 32, kernel_size=3, stride=1, padding=1), nn.ReLU(), nn.MaxPool2d(2, 2), nn.Conv2d(32, 64, kernel_size=3, stride=1, padding=1), nn.ReLU(), nn.MaxPool2d(2, 2), nn.Conv2d(64, 128, kernel_size=3, stride=1, padding=1), nn.ReLU(), nn.MaxPool2d(2, 2), nn.Conv2d(128, 128, kernel_size=3, stride=1, padding=1), nn.ReLU(), nn.MaxPool2d(2, 2), nn.Conv2d(128, 256, kernel_size=3, stride=1, padding=1), nn.ReLU(), nn.AdaptiveAvgPool2d(1), nn.Flatten(), nn.Linear(256, 128), nn.ReLU(), nn.Linear(128, 64), nn.ReLU(), nn.Linear(64, 10), nn.Sigmoid() ) def forward(self, x): return self.network(x) def training_step(self, batch): inputs, labels = batch outputs = self(inputs) loss = F.cross_entropy(outputs, labels) return loss def validation_step(self, batch): inputs, labels = batch outputs = self(inputs) loss = F.cross_entropy(outputs, labels) _, pred = torch.max(outputs, 1) accuracy = torch.tensor(torch.sum(pred==labels).item()/len(pred)) return [loss.detach(), accuracy.detach()]
model = to_device(SpokenDigitModel(), device) history = [] evaluate(model, val_dl)
{'accuracy': 0.09851787239313126, 'loss': 2.3029427528381348}history.append(fit(model, train_dl, val_dl, 128, 0.001))
r = evaluate(model, val_dl)
yp, yt = predict_dl(model, val_dl)
print("Loss: ", r['loss'], "\nAccuracy: ", r['accuracy'], "\nF-score: ", f1_score(yt, yp, average='micro'))Loss: 1.492598056793213 Accuracy: 0.9581243991851807 F-score: 0.9573119188503804
該模型在Colab GPU上訓練約5小時，準確率為95.81%。
高準確率可以再次歸因于Mel標度。
plot(losses, 'Losses')
以上是驗證集損失曲線
plot(accuracies, 'Accuracy')
以上是驗證集準確度曲線
plot(last_lr, 'Last Learning Rate')
以上是每個epoch最后學習率的曲線
“怎么使用Logistic回歸”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
