Experimentos con características VGGish

[AdrianArnaiz]

Realizar experimentos con las características obtenidas con VGGish. Repetir experimentos anteriores con:

• [x] Embeddings VGGish.
• [x] MFCC y espectros.
• [ ] Nuevos experimentos con redes neuronales KERAS. ¿?

Recordar que solo hemos podido sacar características para los read-text y vocales debido a la limitación de VGGish de audios de más de 0.975s.

• [x] Realizar clases de carga de datos..

[AdrianArnaiz]

Añadido otro cambio a función gridSearchPipe #34 #24

Se ha añadido la normalización al pipeline en vez de hacerla en todo el conjunto de datos X.

Añadimos al pipe o le creamos. Explicado en notebooks y clase:

 if normalizar:
    if isinstance(pipe, Pipeline):
        pipe.steps.insert(0,['norm',MinMaxScaler()])
    else:
        pipe = Pipeline([('norm', MinMaxScaler()), ('clf', pipe)])
        if isinstance(pg, list):
            #para pasarle a dict: algunos paramgrids les definimos como [dict(params)]
            pg=pg[0]    
        for k in pg:
            pg['clf__'+k]=pg.pop(k)`