音乐模型按1、课程设计主要任务 2、数据获取方法 3、数据预处理 4、机器学习模型 1）书上面的模型 2）所学的其他模型 5、数据分析与比较（与Weka模型进行比较） 6、参考文献 7、程序源代码 8、存在的不足与对策 9、使用说明 1、课程设计主要任务 2、数据获取方法 3、数据预处理 4、机器学习模型 1）书上面的模型 2）所学的其他模型 5、数据分析与比较（与Weka模型进行比较） 6、参考文献 7、程序源代码 8、存在的不足与对策 9、使用说明 1、课程设计主要任务 2、数据获取方法 3、数据预处理 4、机器学习模型 1）书上面的模型 2）所学的其他模型 5、数据分析与比较（与Weka模型进行比较） 6、参考文献 7、程序源代码 8、存在的不足与对策 9、使用说明 音乐模型按1、课程设计主要任务2、数据获取方法3、数据预处理4、机器学习模型1）书上面的模型2）所学的其他模型5、数据分析与比较（与Weka模型进行比较）6、存在的不足与对策

音乐模型的课程设计主要任务包括以下方面：

1. 数据获取方法：收集音乐相关的数据，可以通过网络爬虫、公开数据集或者用户提交等方式获取音乐数据。

2. 数据预处理：对获取到的数据进行清洗、去噪、标注等处理，确保数据的质量和一致性。

3. 机器学习模型：选择合适的机器学习模型进行音乐建模。可以使用书上介绍的模型，也可以使用其他相关模型，如循环神经网络（RNN）、卷积神经网络（CNN）等。

4. 数据分析与比较：对训练好的音乐模型进行数据分析和比较，评估模型的效果和性能。可以与Weka模型进行比较，分析两者在音乐建模方面的差异和优劣。

5. 存在的不足与对策：分析音乐模型存在的问题和不足之处，提出相应的改进策略和对策，以进一步提升模型的性能和效果。

6. 参考文献：列出所参考的文献和资料，包括相关论文、书籍、研究报告等。

7. 程序源代码：提供音乐模型的程序源代码，方便其他人进行复现和使用。

8. 使用说明：编写详细的使用说明文档，包括环境配置、数据准备、模型训练和评估等步骤，以及常见问题的解答。

以上是音乐模型课程设计的主要任务，希望能对你有所帮助。如有其他问题，请继续提问。