entrainement du modèle + ajout métrique

ML/entrainement.py

@@ -42,7 +42,7 @@ d = d.drop([0])
 d = d.drop("k", axis=1)
 y = d["y"]
 X = d.drop("y", axis=1)
-print(y)
+
 model.fit(X,y)
 model.score(X,y)
 filename = 'saves/finalized_model.sav'

ML/humainVSmachine.py

@@ -51,7 +51,7 @@ def nouvelleValeur(sig, rate, victoire):
     pickle.dump(model, open(filename, 'wb'))
 # %%
 chemin = "input/files/"
-nomFichier = "file"
+nomFichier = "10_"
 extensionFichier = ".wav"
 rate, sig = wavfile.read(chemin + nomFichier + extensionFichier)
 sig=sig[:,0]
@@ -72,7 +72,5 @@ for k in range(int(np.round(len(sig)/rate))-1):
             os.remove("rec"+str(k)+extensionFichier) 
         if (choix == "invalide"):
             os.remove("rec"+str(k)+extensionFichier)  
-        
 # %%
 
-# %%

ML/metrique.py

+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+#%%
+import numpy as np
+from scipy.io import wavfile
+from playsound import playsound
+import os
+import pandas as pd
+from python_speech_features import mfcc
+from python_speech_features import delta
+from python_speech_features import logfbank
+import pickle
+import random
+
+# %%
+def estCris(model, chemin):
+    (rate,sig) = wavfile.read(chemin)
+    x = mfcc(sig,rate,len(sig)/rate)[0]
+    x = x.reshape(1,len(x))
+    #print(model.predict_proba(x))
+    return int(model.predict(x)[0][0])
+
+def metrique(model):
+    files = os.listdir('input/metrique/negatif')
+    n_neg = len(files)
+    n_bonnePrediction_neg = n_neg
+    for i in range(len(files)):
+        n_bonnePrediction_neg = n_bonnePrediction_neg + estCris(model, 'input/metrique/negatif/'+files[i])
+    print("taux neg:" + str(n_bonnePrediction_neg/n_neg))
+
+    files = os.listdir('input/metrique/positif')
+    n_pos = len(files)
+    n_bonnePrediction_pos = 0
+    for i in range(len(files)):
+        n_bonnePrediction_pos = n_bonnePrediction_pos + estCris(model, 'input/metrique/positif/'+files[i])
+    print("taux neg:" + str(n_bonnePrediction_pos/n_pos))
+    
+    return (n_bonnePrediction_neg+n_bonnePrediction_pos)/(n_neg+n_pos)*100
+
+def changerSamples(n_neg,n_pos):
+    #On remet les fichiers que l'on utilise plus à leur place
+    files = os.listdir('input/metrique/negatif')
+    for i in range(len(files)):
+        os.rename('input/metrique/negatif/' + files[i], "input/negatif/" + files[i])
+    files = os.listdir('input/metrique/positif')
+    for i in range(len(files)):
+        os.rename('input/metrique/positif/' + files[i], "input/positif/" + files[i])
+
+    #On choisit des samples au hasard
+    files = os.listdir('input/negatif')
+    for i in range(n_neg):
+        k = random.randint(0, len(files)-1)
+        os.rename('input/negatif/' + files[k], "input/metrique/negatif/" + files[k])
+        files.pop(k)
+    files = os.listdir('input/positif')
+    for i in range(n_pos):
+        k = random.randint(0, len(files)-1)
+        os.rename('input/positif/' + files[k], "input/metrique/positif/" + files[k])
+        files.pop(k)
+
+
+# %%
+#On charge le modele
+filename = 'saves/finalized_model.sav'
+model = pickle.load(open(filename, 'rb'))
+print(str(int(np.round(metrique(model)))) +"%")
+
+
+# %%
+#Permet d'avoir un oeil neuf de temps en temps
+changerSamples(50,50)
+
+# %%

ML/resultat.py

@@ -3,6 +3,7 @@
 #%%
 import numpy as np
 from scipy.io import wavfile
+from playsound import playsound
 import os
 import pandas as pd
 from python_speech_features import mfcc
@@ -11,11 +12,15 @@ from python_speech_features import logfbank
 import pickle
 
 # %%
+def ecouter(nom,sampleRate, data):
+    wavfile.write(nom, sampleRate, data)
+
 def estCris(model, chemin):
     (rate,sig) = wavfile.read(chemin)
     x = mfcc(sig,rate,len(sig)/rate)[0]
     x = x.reshape(1,len(x))
-    return model.predict(x), model.predict_proba(x)
+    print(model.predict_proba(x))
+    return model.predict(x)[0]
 
 # %%
 filename = 'saves/finalized_model.sav'
@@ -24,3 +29,18 @@ print(estCris(model, "input/tests/cri0.wav"))
 print(estCris(model, "input/tests/cri2.wav"))
 print(estCris(model, "input/tests/cri18.wav"))
 # %%
+
+chemin = "input/files/"
+nomFichier = "10_"
+extensionFichier = ".wav"
+rate, sig = wavfile.read(chemin + nomFichier + extensionFichier)
+sig=sig[:,0]
+
+for k in range(int(np.round(len(sig)/rate))-1):
+    ecouter("rec"+str(k)+extensionFichier, rate, sig[(k)*rate:(k+1)*rate])
+    if(estCris(model, "rec"+str(k)+extensionFichier)==1):
+        os.rename("rec"+str(k)+extensionFichier, "input/tests/positif/"+nomFichier+str(k)+extensionFichier)
+    else:
+        os.rename("rec"+str(k)+extensionFichier, "input/tests/negatif/"+nomFichier+str(k)+extensionFichier)
+
+# %%