Creación de un Árbol de Decisión para la Predicción de Tonos a Partir de un Data Set

Víctor Manuel Vilca Rojas; Aldair Bryan Salcedo Chávez; Jairo Miguel Castillo Rojas; Valery Byrne Macias

doi:10.48168/innosoft.s11.a85

Víctor Manuel Vilca Rojas Universidad Nacional de San Agustín https://orcid.org/0000-0002-6193-8057
Aldair Bryan Salcedo Chávez Universidad Nacional de San Agustín
Jairo Miguel Castillo Rojas Universidad Nacional de San Agustín
Valery Byrne Macias Universidad Nacional de San Agustín

DOI: 10.48168/innosoft.s11.a85

PURL: 42411/s11/a85

ARK: ark:/42411/s11/a85

Palabras clave: Inteligencia artificial, árbol de decisión, análisis musical, detección de tonos, música

Resumen

El análisis musical es un proceso que se ha llevado a cabo desde hace años donde diferentes expertos han buscado estudiar variadas piezas musicales. Este proceso inicia con el aprendizaje de detección de tonos, notas y acordes, donde los estudiantes tienen que entrenar el oído para poder llevarlo a cabo. Bajo este contexto, en el siguiente trabajo se ha realizado un árbol de decisión en base a un dataset de coros de Bach con el fin de predecir acordes a partir de tonos. Se dividió el dataset en 80% para crear el árbol y 20% para pruebas, después se realizó la transformación de datos para realizar un análisis de los mismos, con esto finalmente se creó un árbol de decisión con una profundidad de 15 y una exactitud del 75.52%, finalmente se realizaron las pruebas y encontramos buenos resultados de la exactitud del árbol.

Descargas

La descarga de datos todavía no está disponible.

Citas

Raś, Z. W., & Wieczorkowska, A. A. (Eds.). (2010). Advances in Music Information Retrieval. Studies in Computational Intelligence. doi:10.1007/978-3-642-11674-2

R. Esposito and D. P. Radicioni, “CarpeDiem: Optimizing the viterbi algorithm and applications to supervised sequential learning,” J. Mach. Learn. Res., vol. 10, pp. 1851–1880, 2009.

M. Rohrmeier and I. Cross, “Statistical Properties of Tonal Harmony in Bach ’ s Chorales Statistical Properties of Tonal Harmony in Bach ’ s Chorales,” no. January 2008, 2014.

D. P. Radicioni and R. Esposito, “Learning tonal harmony from Bach chorales,” Procs. 7th Int. Conf. Cogn. Model., no. August, 2006.

D. P. Radicioni and R. Esposito, “BREVE: An HMPerceptron-based chord recognition system,” Stud. Comput. Intell., vol. 274, no. December, pp. 143–164, 2010, doi: 10.1007/978-3-642-11674-2_7.

D. P. Radicioni and R. Esposito, "UCI Machine Learning Repository: Bach Choral Harmony Data Set", Archive.ics.uci.edu, 2014. [Online]. Available: https://archive.ics.uci.edu/ml/datasets/Bach+Choral+Harmony#. [Accessed: 20- Jun- 2022].

I. Bent. "Music analysis in the nineteenth century" 1994.

Federico Sammartino. "Ceros y unos en la musicología. Software y análisis musical". http://resonancias.uc.cl/images/PDFs_n_37/Sammartino.pdf.

P. R. Illescas Casanova. "Análisis tonal asistido por ordenador". Dialnet. https://dialnet.unirioja.es/servlet/tesis?codigo=60733 .

V. Berlanga-Silvente, M. J. Rubio-Hurtado, and R. Vilà-Baños, “Cómo aplicar árboles de decisión en SPSS,” REIRE. Rev. d’Innovació i Recer. en Educ., vol. 6, no. 1, pp. 65–79, 2013, doi: 10.1344/reire2013.6.1615.

D. Tamm, “Road Map,” Dtsch. Arztebl. Int., vol. 115, no. 35–36, p. A1554, 2018, doi: 10.4324/9781003191056-1.

“Te damos la bienvenida a Colab.” https://colab.research.google.com/?utm_source=scs-index.

“Python 3.10.6 documentation,” [Online]. Available: https://docs.python.org/3/.

“NumPy.” https://numpy.org/.

“Pandas.” https://pandas.pydata.org/.

“Seaborn.” https://www.w3schools.com/python/numpy/numpy_random_seaborn.asp.

M. C. Ruiz Abellón, “Introducción a los árboles de decisión,” pp. 1–7, 2014, [Online]. Available: http://www.dmae.upct.es/~mcruiz/Telem06/Teoria/arbol_decision.pdf.

P. Samuels, “Pearson Correlation ?,” no. April 2014, pp. 1–5, 2015, [Online]. Available: https://www.researchgate.net/publication/274635640.