音频流派分类 使用机器学习算法自动进行音乐流派分类，例如逻辑回归和 K-最近邻 使用语言： Python 2.7 此存储库包含根据以下流派对音乐进行分类的开发代码： 蓝调 古典（西方） 国家 迪斯科 金属 流行音乐 数据集 用于训练模型的数据集是 GTZAN 数据集。数据集简介： 该数据集用于 G. Tzanetakis 和 P. Cook 在 2002 年 IEEE Transactions on Audio and Speech Processing 中的流派分类“音频信号的音乐流派分类”中的著名论文。 该数据集由每 30 秒长的 1000 个音轨组成。它包含 10 个流派，每个流派由 100 首曲目表示。曲目均为 .wav 格式的 22050Hz 单声道 16 位音频文件。 官方网页：marsyas.info 下载大小：约1.2GB 下载链接：下载 GTZAN 流派合集

深度神经网络LSTM（长短记忆）四个输入1个输出，进行分类预测。网上都是一些单输入单输出的时间序列预测，这里给出的是多输入单输出预测。

针对智能电网调度控制系统(D5000系统)健康度评价，基于专家经验的传统评价方法存在主观性较大的问题，机器学习多分类方法是提高评价客观性的一种有效手段，但健康度各等级样本数目间存在的不平衡问题导致分类准确率较低，为此提出一种基于随机平衡和极端梯度提升(RB-XGBoost)算法的D5000系统健康度评价模型。首先，针对系统各评价等级样本数目严重不平衡的问题，提出一种自适应随机平衡(RB)的混合采样方法，分别以等级间样本数目的最大值、最小值作为采样区间的上、下限，生成多个随机数对各等级样本数据进行欠采样或过采样，增加训练数据的多样性并降低其不平衡程度；然后，训练平衡后的样本数据，建立极端梯度提升(XGBoost)算法子模型，考虑到各子模型重要度的一致性，提出采用硬投票方式集成所有子模型，得到与D5000系统各子模块对应的评价模型；最后，根据该系统指标层级关系，在评价过程中采用并、串行结合的计算方式，构建包含17个RB-XGBoost模型的D5000系统整体健康度评价模型。8组KEEL数据库中多类不平衡数据集的实验结果表明，与现有同类典型方法相比，所提方法的平均分类准确率最高提升了6.79

11个葡萄品种的叶片数据集，欧塞尔罗伊赤霞珠、品丽珠、赤霞珠、霞多丽、梅洛穆勒、图尔高、黑比诺、雷司令、白苏维浓、西拉、丹帕尼罗，葡萄生长环境实地拍摄，高清图片，每类大约100张叶片图片，共1009张图片 11个葡萄品种的叶片数据集，欧塞尔罗伊赤霞珠、品丽珠、赤霞珠、霞多丽、梅洛穆勒、图尔高、黑比诺、雷司令、白苏维浓、西拉、丹帕尼罗，葡萄生长环境实地拍摄，高清图片，每类大约100张叶片图片，共1009张图片

16个人格分类数据集，它包含了16项人格测试的问题和他们使用的量表的答案，但用数字编码完全同意3部分同意2轻微同意1中立->0稍不同意-1部分不同意-2完全不同意-3 16个人格分类数据集，它包含了16项人格测试的问题和他们使用的量表的答案，但用数字编码完全同意3部分同意2轻微同意1中立->0稍不同意-1部分不同意-2完全不同意-3

25种不同的狗图像数据集（每类200张图片以上），（美国牛头犬，美国比特牛头梗，巴西猎犬，比格犬，拳师犬，吉娃娃犬，英国小猎犬，英国塞特犬，德国短毛犬，大比利牛斯犬，哈瓦那犬，日本短毛犬，基舍德犬，莱昂伯格犬，迷你平舍犬，纽芬兰犬，波美拉尼亚犬，哈巴狗，圣伯纳德犬，萨摩耶犬，苏格兰梗，柴犬，斯塔福德郡牛头梗，维特梗，约克郡梗）

30类乐器-图像分类数据集，4793个训练，150个测试，150个验证图像224 X 224 X3 jpg格式 30类乐器-图像分类数据集，4793个训练，150个测试，150个验证图像224 X 224 X3 jpg格式 30类乐器-图像分类数据集，4793个训练，150个测试，150个验证图像224 X 224 X3 jpg格式

30种鸟类识别分类数据集，每类100张图片左右。 30种鸟类识别分类数据集，每类100张图片左右。 30种鸟类识别分类数据集，每类100张图片左右。

61种不同食物图片分类数据集，该数据集是一组食物的图片和一个CSV文件，将每张图片链接到标注的食物类别。为了简化，每张图片只包含一种食物。这些图片大小不一。总共有61种不同的食物，有超过9300个手工注释的61类图像数据。

70狗品种图像数据集，7946张训练，700张测试，700张验证，图像分辨率：224X224X3 ，jpg格式。 70狗品种图像数据集，7946张训练，700张测试，700张验证，图像分辨率：224X224X3 ，jpg格式。 70狗品种图像数据集，7946张训练，700张测试，700张验证，图像分辨率：224X224X3 ，jpg格式