代码：

1 import numpy as np 2 from scipy import fft 3 from scipy.io import wavfile 4 from sklearn.linear_model import LogisticRegression 5 import random 6 """ 7     使用logistic regression处理音乐数据，音乐数据训练样本的获得是使用快速傅里叶变换： 8     1.吧训练集扩大到每类100首歌二部之前的10首歌 9     2.同时使用logistic回归和KNN作为分类器10     3.引入一些评价标准来比较logictic和KNN在测试集上的表现11 """12 """13 n = 4014 # hstack数据拼接15 # 在模拟X的时候使用了两个正态分布,分别制定各自的均值,方差,生成40个点16 X = np.hstack((norm.rvs(loc=2, size=n, scale=2), norm.rvs(loc=8, size=n, scale=3)))17 # zeros使得数据点生成40个0,ones使得数据点生成40个118 y = np.hstack((np.zeros(n), np.ones(n)))19 20 """21 general_list = ["classical", "jazz", "country", "pop", "rock", "metal"]22 """23 # 处理原始数据，转化为特征文件24 def create_fft(g, n):25     read = "d:/xxx/"+g+"/conberted/"+g+"."+str(n).zfill(5)+".au.wav"26     sample_rate, x = wavfile.read(read)27     fft_features = abs(fft(x)[:1000])28     sad = "d:/trainset/"+g+"."+str(n).zfill(5)+".fft"29     np.save(sad, fft_features)30 31 32 for g in gener_list:33     for n in range(100):34         create_fft(g, n)35 """36 # 加载训练集数据，分割训练集和测试集，进行分类器的训练37 # 构造训练集38 x = []39 y = []40 for g in general_list:41     for n in range(100):42         read = "D:/AnalyseData学习资源库/人工智能开发【中】/05_分类器项目案例和神经网络算法【尚学堂·百战程序员】/资料/trainset/"+g+"."+str(n).zfill(5)+".fft"+".npy"43         fft_features = np.load(read)44         x.append(fft_features)45         y.append(general_list.index(g))46 47 x = np.array(x)48 y = np.array(y)49 50 # 拆分数据为训练集和测试集51 randomIndex = random.sample(range(len(y)), int(len(y)*8/10))52 trainX = []53 trainY = []54 testX = []55 testY = []56 57 for i in range(len(y)):58     if i in randomIndex:59         trainX.append(x[i])60         trainY.append(y[i])61     else:62         testX.append(x[i])63         testY.append(y[i])64 65 # 使用sklearn来构建和训练两种分类器66 67 # logistic classifier68 model = LogisticRegression()69 # train70 model.fit(trainX, trainY)71 # test72 predict = model.predict(testX)73 print(testY)74 print("--------------------------------------------------")75 print(predict)76 # error77 import math78 error = 0.079 for i in range(len(testY)):80     if testY[i] != predict[i]:81         error = error + 182 print(error/len(testY))83 84 print("starting read wavfile...")85 sample_rate, test = wavfile.read("D:/AnalyseData学习资源库/人工智能开发【中】/05_分类器项目案例和神经网络算法【尚学堂·百战程序员】/资料/trainset/sample/heibao-wudizirong-remix.wav")86 testdata_fft_features = abs(fft(test))[:1000]87 type_index = model.predict([testdata_fft_features])[0]88 89 print("预测音乐分类为："+general_list[type_index])

结果：