基于Keras搭建的声音分类器采用的分类算法是什么？

你当前搭建的声音分类器属于一维卷积神经网络（1D-CNN）多分类算法，归属于深度学习分类范畴，和你老师举例的K-NN、朴素贝叶斯、SVM这类传统机器学习分类算法不属于同一类别，具体说明如下：

• 核心结构判定：你通过Keras的Sequential顺序堆叠架构搭建网络，核心特征提取模块由两层Conv1D一维卷积层、MaxPooling1D池化层、Dropout正则化层组成，经过Flatten展平后接入带softmax激活的全连接层输出分类结果，是标准的1D-CNN结构，非常适配音频这类一维序列输入的分类需求。
• 分类逻辑细节：
  • 损失函数选用categorical_crossentropy多分类交叉熵，适配标签为独热编码格式的多分类任务
  • 训练阶段使用Adam自适应学习率优化器迭代更新网络参数
  • 输出层的softmax激活会将网络输出转化为每个类别的预测概率，最终取概率最高的类别作为分类结果
• 和传统分类算法的差异：K-NN、SVM这类传统分类算法需要先手动提取音频的MFCC、过零率、频谱质心等固定特征后才能输入分类器，而1D-CNN可以自动从输入的音频序列中学习有效分类特征，无需手动设计特征规则，数据量充足时分类精度普遍优于传统分类算法。

内容的提问来源于stack exchange，提问作者Vysco Zyza