Abstract
В статье рассматривается задача автоматической классификации музыкальных жанров с использованием методов машинного обучения. Предложен подход, основанный на анализе акустических характеристик музыкальных композиций и применении алгоритма Random Forest. Эксперименты проводились на датасете GTZAN, содержащем 1000 аудиозаписей 10 музыкальных жанров. В результате достигнута точность классификации 77,5%, определены наиболее значимые акустические признаки для различения жанров. Полученные результаты демонстрируют перспективность предложенного подхода для задач автоматической организации музыкальных библиотек и разработки рекомендательных систем.