A gender voice recognition using Linear regression 

model of machine learning 

MADANGOPAL, UTKARSH, VISMIT, NAVEEN, 
Department Of Computer Science, 
IIIT-NAGPUR,MAHARASHTRA,440006, 
Email:madangopalsuthar2010@gmail.com 
utkarshpatel500@gmail.com 
vkumbhalkar20@gmail.com 
nbnayak2408@gamil.com 
Abstract-Gender  Voice  recognition  is  actually  a  very  important 
branch  of  research  in  the  field  of  acoustics  and speech processing 
and  also  Gender  identification  is  one  of  the  major  problem  speech 
analysis  today.This  paper  is  about  an  investigation  on  speech 
signals  to  devise  a  gender  classifier.Gender  classification  by 
speech  analysis  basically  aims  to predict the gender of the speaker 
by  analyzing  different  parameters of the voice sample. Agenda is to 
find  the  voice  recognition  using  regression.  Linear  regression  is  a 
machine  learning  algorithm  based  on  supervised  learning.  The 
main  parameter  in  evaluating  any  algorithms  is  its 
performance.Misclassification  rate  must  be  less  in  classification 
problems,  which  says  that  the  accuracy  rate  must  be  high.Here 
with  this  comparative  model  algorithm,  we  are  trying  to  assess  the 
different  ML  algorithms  and  find  the  best  fit  for  gender 
classification of acoustic data. 
Keyword:- Kernelspec,Metadata,Colab,Codemirror_mode. 
I. INTRODUCTION 
Dimorphism  is  the  property  of  voice  that  is  highly  observed  in 
human  beings.  Intonation,  speech  rate,  and  duration  are  certain 
characteristics  that  distinguish  human  voices,  mainly  male  and 
female  voices  [1].In  speech  communication,  the  listener  does  not  only 
decode  the  linguistic  message  from  the  speech  signal,  but  at  the  same  time 
he  or  she  also  infers  paralinguistic  information  such as the age  gender and 
other properties of the speaker.       
This  type  of  information  is  termed  as  voice  information.  This  gender 
detection has application in many fields like 

● Sorting telephone calls by gender for gender sensitive surveys. 

● Identifying  the  gender  and  removing  the  gender specific components 
gives higher compression rate and enhanced the bandwidth. 
 

The  perceived dimorphism accounts for 98.8% which consists of the gender 
of  the  speaker  and  the respective frequencies. Variation in gender, however, 
cannot  be  predicted  by  vocal  speech.  Some  voice  pitch  may  vary  between 
male and female so it is difficult to predict male and female accurately. 
In  terms  of  acoustic  properties,  voice  information  has  been  described  by 
several  acoustic  parameters.  Two  of  these  parameters  are  of  perceptual 
relevance: 

● The  fundamental frequency (f0) and     

● The  spectral formant frequencies. 

Speech  recognition  helps  in  extracting  the  information  about  the  gender, 
their  age  and  the  dialect  in  which  they  speak.  A  large  amount  of  work  has 
been  done  in  this  field.  Certain  speech  statistics  are  being  applied  which 
uses  over  time  span,  mean  and  maximum  value  for  the  detection  of 
gender.The  voice  data  set  is  transformed  into  different  parameters  like 
vocal  strength,  pitch,  frequency,  q21,  q25,  etc.,  these  are  then  trained  and 
tested  with  different  algorithms  to  predict  the  gender  based  on  the 
algorithms mentioned above. Male  has  both  the  frequencies lower than the 
female. But formant frequency is something related to the vowels and hence 
it  is  text  dependent  and  this  paper  deals  with  text  independency  therefore 
gender  classification  is  done  by  using  pitch/fundamental  frequency 
extracted  from  different  methods.  Pitch  is  a  very  important  feature  which 
can  be  obtained  from  different  methods  in  both  time  domain  as  well  as 
frequency  domain  and  also  by  the  combination  of  both  time and frequency 
domain.  Time  domain  methods  include all those methods in which we work 
directly  on  the  speech  samples.  The  speech  waveform  is  directly  analyzed 
and  the  methods  like  short  time  autocorrelation,  modified  autocorrelation 
through  clipping  technique,  normalized  cross  correlation  function,  average 
magnitude  difference  function,  square  difference  function  etc.  Similarly,  in 
frequency  domain  methods  the  frequency  content  of  the  signal  is  initially 
computed  and  then  the  information  is  extracted  from  the  spectrum.  These 
methods  include  harmonic  product  spectrum  analysis,  Harmonic  to  sub 
harmonic  ratio  etc.  There  are  also  some  methods  which  do not come under 
either time domain or frequency domain like wavelets, LPC analysis etc. 

II. RELATED WORK 

Becker  [2]  used  a  frequency-based  baseline  model,  linear  regression  model 
[3],  classification  and  regression  tree  (CART)  model  [4],  random  forest 
model  [5],  boosted  tree  model  [6],  Support  Vector  Machine  (SVM)  model 
[7],  XGBoost  model  [8],  stacked  model  [9]  for  recognition  of  voice  data  set 
[10].Tin  KamHo(Bell  Labs)  in  1995  proposed  the  concept  of  a  random 
forest.  It  is  an  ensemble  classifier  consisting  many  decision  trees,  further 
providing  the  output  by  means  of  class's  output by individual trees outputs 
of the class. The method couples the bagging idea and the random selection. 
Each  tree  is  build  up  using  a variant bootstrap data samples. In addition to 
this  random  forest  changes  it  also  constructs  a  classification  of  regression 
trees.  In  case  of  standard  trees,  the  best  node  is  split  using  its  variables. 
Moreover,  each  node  is  divided  using  the  best  subset  of  predictors  which 
are  randomly  chosen  at  that  node.  This  method  seems  to  be  robust  and 
stable  among  the  other  algorithms  including  discriminate analysis, support 
vector  machines  and  neural  networks  and  is  robust  against  over 
fitting.Supervised  learning  is  the  machine  learning  task  for  deducing 
functions  from  a  labeled  training  data  that  can  be  occupied  for  both 
classification  and  regression.  Support  vector  machines  are  a  binary 
classification  algorithm.  Support  vectors are the data points adjacent to the 
hyperplanes  if  the  dataset  is  removed  it  will  change  the  position  of  the 
dividing  hyperplane.  In  SVM,  each  example  set  is  a  pair  having  an  input 
object  and  a  preferred  output  value.  Supervised  learning  algorithm 
analyses  the  data  and  result  out  the  inferred  function,  which  result  in 
mapping  new  outcomes.We  can  say,  SVM  is  a  machine  learning  tool  used 
for  classification,  approximation,  etc..,  it  can  be  used  in  a  generalized 
manner  that  leads  to  the  success  in  many  fields.  Metrics  of  SVM  is  to 
minimize  and  generalization  of  upper  bound  error  upon  maximizing  the 
margin  which  is  separating  hyperplane  and  data  set.  Advantages  of  model 
selection  by  means  of  both  optimal  number  as  well  as  the  location  of 
functions are obtained automatically during training. 

III. DATA SET AND SOFTWARE LIBRARIES 

A.Data Set 
Each  voice  sample  format  is  a  .WAV  file. The .WAV format files have 
been  pre-processed  for  acoustic  analysis  using the specan function by 
the  WarbleR  R  package  [11].  A specan function measures 22 acoustic 
parameters  on  acoustic  signals.  These  parameters  are  showed  in 
“Table I”. 

TABLE I. MEASURED ACOUSTIC PROPERTIES.  

Properties  Description 
duration   length of signal 
meanfreq   mean frequency (in kHz) 
sd  standard deviation of frequency 
 
median  median frequency (in kHz) 
mode  mode frequency 
centroid  centroid frequency 
meandom   average of dominant frequency measured across 
acoustic signal 
Signal mindom  minimum of dominant frequency measured across 
acoustic signal 
 
maxdom   maximum of dominant frequency measured across 
acoustic signal 
dfrange   range of dominant frequency 
measured across acoustic signal 
 
 

B. Software Libraries 

Python;  is  an  interpreted,  interactive,  object-oriented,  dynamic  type,  easy 

to  learn  and  open  source  programming  language.  Python  combines 
remarkable  power  with  very  clear  syntax  [12].  Keras;  “is  a  high-level 
neural  networks  library,  written  in  Python  and  capable  of  running  on  top 
of  either  TensorFlow  or  Theano”  [13].  TensorFlow™  is  an  open  source 
software  library  for  numerical  computation  using  data  flow  graphs.  Nodes 
in  the  graph  represent  mathematical  operations,  while  the  graph  edges 
represent  the  multidimensional  data  arrays  (tensors)  communicated 
between  them  [14].  NumPy  is  the  open  source  fundamental  package  for 
scientific  computing  with  Python.  It  contains  powerful  capabilities  such  as 
N-dimensional  array  objects,  sophisticated  (broadcasting)  functions,  tools 
for  integrating  C/C++  and  Fortran  code,  useful  linear  algebra,  Fourier 
transform, and random number capabilities [15]. 

IV References 

[1]  Ericsdotter  C  and  Ericsson  A  M  2001  Gender  differences  in  vowel 

duration  in  read  Swedish:  Preliminary  results  Working  Papers  -  Lund 
University Department of Linguistics 34 – 37. 

[2]  K.  Becker,  “Identifying  the  Gender  of  a  Voice  using  Machine 
Learning”,2016, unpublished. 

[3] J. M. Hilbe, Logistic Regression Models, CRC Press, 2009. 

[4]  L.  Breiman,  J.H.  Friedman,  R.A.  Olshen,  C.J.  Stone,  Classification and 
Regression Trees, CRC Press, 1984. 
[5]  L.  Breiman,  “Random  forests”,  Machine  Learning,  Springer  US, 
45:5–32, 2001. 

[6] J.H. Friedman, Stochastic Gradient Boosting, 1999. 

[7] C. Cortes, V. Vapnik, “Support-vector networks”, Machine Learning, 20 
(3): 273–297, 1995. 

[8]  J.H.  Friedman,  Greedy  Function  Approximation:  A  Gradient  Boosting 

Machine, 1999. 

[9]  L.  Breiman,  “Stacked  regressions”,  Machine  Learning,  Springer  US, 

45:5–32, 2001. 

[10]Dataset,https://raw.githubusercontent.com/primaryobjects/voice-gende
r/master/voice.csv 

[11]  M.  Araya-Salas,  G.  Smith-Vidaurre,  warbleR:  an  R  package  to 

streamline  analysis  of  animal  acoustic  signals.  Methods  Ecol  Evolution, 
2016, doi:10.1111/2041-210X.12624. 

[12] Python, https://docs.python.org/3/faq/general.html 

[13] Keras, Chollet, François, 2015, https://github.com/fchollet/keras 

[14]  M.  Abadi,  A.  Agarwal,  TensorFlow:  Large-scale  machine  learning  on 
heterogeneous systems, 2015. Software available from tensorflow.org. 

[15]  S.  van  der  Walt,  S.C.  Colbert,  G.  Varoquaux.  The  NumPy  Array:  A 
Structure  for  Efficient  Numerical  Computation,  Computing  in  Science  & 
Engineering, 13, 22-30, 2011, doi:10.1109/MCSE.2011.37.