可视化音乐情绪集成模型预测

与其他音乐分类问题（如流派、作曲家或时期）相比，音乐情绪分类一直是一个具有挑战性的问题。解决这一挑战的一种方案是使用机器学习模型的集成。在本文中，我们展示了可视化技术能够有效传达沿时间轴不同音乐片段上的主流预测以及不确定性，同时支持结合各机器学习模型在不同音乐数据上的应用对其进行分析。除了堆叠折线图、ThemeRiver 和基于像素的可视化等传统视觉设计外，我们引入了 ThemeRiver 的一种新变体，称为“双流 ThemeRiver（dual-flux ThemeRiver）”，它使观察者比堆叠折线图和 ThemeRiver 更容易观察和度量最主流的预测。除了使用集成模型预测来标注音乐外，双流 ThemeRiver 图与基于像素的可视化一起也可辅助模型开发工作流。