実践 機械学習システム

9.4

 

FFT

を用いて最初の分類器を作成する

179

列の最初の1000個だけを使用することにします。今の私たちの知識では、音楽ジャンル分類に関し

て、この1000個が最も重要な要素であるかどうかを知りません（先ほどのFFTをプロットした例で

は、周波数が1000Hz以下を多く占めていることはわかりますが）。後ほどこの要素の範囲を変更する

ときは、もちろんFFTのキャッシュファイルを生成し直す必要があります。

def create_fft(fn):

sample_rate, X = scipy.io.wavfile.read(fn)

fft_features = abs(scipy.fft(X)[:1000])

base_fn, ext = os.path.splitext(fn)

data_fn = base_fn + ".fft"

np.save(data_fn, fft

_features)

ここではNumPyの

save()

という関数を用いてデータを保存します。その関数を使うと、「

.npy

」

という拡張子が追加されます。私たちは、訓練または予測に用いる全ての WAVファイルに一度だけこ

の関数を用います。

FFTの読み込みに関連する部分は

read_fft()

という関数で、次のようになります。

def read_fft(genre_list, base_dir=GENRE_DIR):

X = []

y = []

for label, genre in enumerate(genre_list): ...