音乐流派分类：该项目旨在使用多个模型基于音频样本和不同的可视化技术对音乐流派进行分类，以理解数据-源码

音乐流派分类 关于该项目 该项目旨在使用多种模型基于音频样本和不同的可视化技术对音乐流派进行分类，以理解数据。 该项目的灵感来自上的代码，该代码实现了K-Nearest Neighbor方法来解决此问题。 这是该项目的起点。 数据集： : 笔记本电脑 从音频样本中提取梅尔频率倒谱系数（MFCC）。 包括K-最近邻方法对流派进行分类（来自 ）。 比较了具有不同K值的模型的准确性。 使用颜色图可视化的梅尔频率倒谱系数，以更好地理解数据并获得关于MFCC的更直观的视角。 比较了不同类型的MFCC。 将MFCC均值和协方差矩阵特征转换为Pandas数据帧。 训练了逻辑回归模型以使用这些功能对音乐流派进行分类。 调整模型以通过增加正则化强度和随机化数据来防止过度拟合。 探索了使用PCA减少功能部件数量的影响。 使用Librosa从音频样本中提取梅尔频谱图。 这种非结构化数据对于卷积神经网