Journal or Publication Title:
Date of publication:
Number:
ISSN:
Official URL:
Additional Information:
Тер-Варданян Лилит, Տեր-Վարդանյան Լիլիթ
Title:
Other title:
Визуализация данных для классификации голоса по полу с использованием алгоритма XGBOOST: значимость и применение в машинном обучении ; XGBOOST ալգորիթմի միջոցով ըստ սեռի ձայնի դասակարգման տվյալների վիզուալիզացիա՝ նշանակությունը և կիրառումները մեքենայական ուսուցման մեջ
Creator:
Subject:
Natural Sciences ; Computer software
Uncontrolled Keywords:
gender classification ; XGBoost ; machine learning ; dataset
Coverage:
Abstract:
XGBoost ալգորիթմն օգտագործվել է որպես գնահատման մեթոդ ձայնային տվյալներն ըստ սեռի վերլուծելու նպատակով։ Հետազոտության հիմնական նպատակն է ալգորիթմի, որպես մոդել, կանխատեսումը ըստ սեռի՝ ձայնային բնութագրերի հիման վրա։ Մեր կողմից հակիրճ տրամադրվել է ձայնային տվյալներից գործառույթներ դուրս բերելու մեթոդաբանությունը՝ օգտագործելով librosa գրադարանը։ XGBoost մոդելը ուսուցանվել է ուսուցանվող տվյալների հավաքածուի հիման վրա եւ մոդելի ճշգրտության գնահատում կատարվել է թեստային տվյալների հիման վրա՝ օգտագործելով կատարողականի գնահատման չափանիշները: Վերլուծության արդյունքները ներառում են տվյալների մանրամասն ուսումնասիրություն եւ առանձնահատկությունների վիզուալացում: Ներկայացվել է նաեւ XGBoost մոդելի ճշգրտությունն ու սխալի հավանականությունը թեստային տվյալների հիման վրա, կատարվել է տվյալների վերլուծություն եւ դրաց վիզիալացումը:
В данной статье представлена визуализация данных анализа классификации пола по голосу с использованием алгоритма XGBoost. Основной целью исследования является визуализация оценки эффективности этого метода в предсказании пола на основе акустических характеристик аудиофайлов и визуализация данных. Мы представляем краткую методологию извлечения признаков из голосовых данных с использованием библиотеки librosa и их визуализацию. Модель XGBoost обучается на обучающем наборе данных и оценивается на тестовых данных с использованием метрик оценки производительности. Результаты анализа включают в себя подробное исследование данных, визуализацию признаков. Мы также представляем точность и вероятность ошибки модели XGBoost на тестовых данных и анализируем ее производительность, предоставляя визуализации.
This article presents data visualization of gender classification analysis based on voice using the XGBoost algorithm [1]. The main objective of the research is to visualize the effectiveness assessment of this method in predicting gender based on acoustic characteristics of audio files and data visualization. We provide a brief methodology of feature extraction from voice data using the librosa library and their visualization. The XGBoost model is trained on the training dataset and evaluated on the test data using performance evaluation metrics. The analysis results include a detailed examination of the data and feature visualization. We also present the accuracy and error probability