Gender-Recognition-by-Voice-0.97004-Accuracy-:测试了20个人的不同人的声音。 这些...

性别性别识别97.004％准确度（SVM）和100％准确度（神经网络）- 测试了20个人的不同人的声音。 这些特性包括平均频率，标准偏差，峰度，偏斜，模式频率，调制指数，基本频率等。 我的作品包括对女性和男性所展示的极有可能的财产的演示。 使用从各种回归图，成对图，散布图等得出的推论，研究语音识别的重要属性及其在每个性别中的专注度。 为了更好的性能，在训练之前还对数据集进行了标准化或标准化。 尝试了不同的模型。 还绘制了它们的精度曲线以了解参数精度的变化。 使用重复的分段网格搜索来调整参数，以有效地计算时间。 支持向量机要特别小心，直到结束为止，其交叉验证的准确性为97.004％。 另一端受过训练的神经网络的验证准确性为100％。 此外，XGBoost分类器给出的火车测试溢出精度为99.36％。