本文共 690 字，大约阅读时间需要 2 分钟。

实验描述

根据声音样本来确定一个人的性别看似是一件很容易的事情。通常，人耳就可以很容易辨别出男性与女性声音的差异。那么，如何让计算机也能自动识别出男性或者女性的声音呢。为了通过声音辨别性别，需要一个训练数据库。这个数据库由成千上万的男性和女性的声音样本建立起来，每个声音都以男性或女性的性别标记。 每个语音样本都存储为.WAV文件，然后对其进行预处理，测量声学信号的声学参数。预处理WAV文件的输出保存为一个CSV文件。 本实验，你将利用声音样本数据集，建立神经网络模型对声音进行分类。请按要求完成实验。

数据集：

文件train.csv为该实验的训练集，包含2536个声音样本，对应数据集的每行数据。每行数据包含每个样本的20个特征和样本的类别信息（男性或女性）。

文件test.csv为测试集，用于评估算法性能。格式与训练集相同。

实验要求：

（1）通过对训练集进行学习，建立神经网络模型并利用测试集测试算法分类的正确率(accuracy)。具体实验步骤应包括数据的可视化和预处理，模型建立与训练以及测试结果等。

（2）尝试使用其他机器学习方法进行实验，并作比较分析。

实验原理

就是简单的BP神经网络。。

使用WeKa进行求解

BP神经网络求解

可视化神经网络

在训练数据集上的正确率和模型建立的耗费时间

在测试集上的正确率

使用C4.5算法进行求解

可视化决策树

训练集正确率

测试集正确率

算法比较

BP神经网络算法的正确率只高了一点点，但是时间耗费却非常大。决策树在某些情况下求解的结果更优（相同时间内），个人觉得在某种意义上，决策树算法的性能优于BP神经网络（逃）。