El Berlin emotional Dataset es un conjunto de audios de actores alemanes que pronuncias frases con distintas emociones

Este dataset contiene alrededror de 500 audios en siete diferentes emociones. El reto es construir un clasificador de que sea capaz de reconocer las emociones presentes en el audio. Hay tres problemas que se pueden resolver.

1: Emociones de alta vs. baja excitación (rabia vs. tristeza, entre otros) 2: Emociones positivas vs. negativas (alegria vs. tristeza, entre otros) 3: Clasificación de las siete emociones.

Se proveen algunas características calculadas sobre los audios (144), que corresponden a un arreglo de Coeficientes cepstrales en frecuencias de Mel

El archivo Features.txt contiene 144 características calculadas para cada audio, formando una matriz de 535x144 usando la función incluida en extract_features.py.

1. Crear un algoritmo que tome un audio de entrada, calcule las características, y retorne la clase (class_id) a la que pertence el audio.
2. Entrenar este algoritmo utilizando los datos de entrenamiento`.
3. Medir el desempeño del algoritmo utilizando los datos de test. El desempeño debe ser medido como

score = n_aciertos / n_audios * 100

donde n_aciertos es el numero de audios clasificados de forma correcta y n_audios es el numero total de audios en el conjunto de test.

• Esta es una base de datos pequeña, se recomienda el uso de técnicas clasicas de machine learning como arboles de decision o maquinas de soprte vectorial.

Ver procedimiento de solucion.

Indica los requerimientos para utilizar el codigo de tu solucion.

Indica el procedimiento que se debe seguir para reproducir tu solucion.

Indica el metodo que utilizaste para solucionar el reto.

Indica el metodo que utilizaste para solucionar el reto.

Para resolver este reto primero has un fork de este repositorio y clona el fork en tu maquina.

git clone https://github.com/{username}/colomb-ia-emoDB
cd colomb-ia-emoDB

Nota: reemplaza {username} con tu nombre de usuario de Github.

• numpy
• jupyter
• scipy

Para iniciar con este reto puedes correr el codigo de Python en Jupyter del archivo emoDB.ipynb. Este código que ayudará a cargar y visualizar algunas imágenes. Las dependencias son las mismas que se instalaron durante la descarga de los datos, ver Requerimientos.

Para iniciar el código solo hay que prender Jupyter en esta carpeta

jupyter notebook .

y abrir el archivo emoDB.ipynb.