Прогнозиране на популярността на песните

🎧 Прогнозиране на популярността на песните 🎹

Индустрията на цифровата музика се развива бързо, а стрийминг платформите се състезават да оценят колко добре ще се представи една песен сред слушателите. Популярността не е просто число, тъй като тя влияе на препоръките, автоматизираните плейлисти и дори договорите на артистите.

За да тренираш нов модул за прогнозиране, получи набор от данни, извлечен от Spotify, съдържащ аудио характеристики и метаданни на песните.

Целта ти е да построиш модел, който прогнозира популярността на една песен въз основа на числовите характеристики и няколко спомагателни информации.

📁 Набор от данни

Имаш на разположение два файла:

• train.csv — песни с всички колони включително popularity
• test.csv — песни без колоната popularity (тези трябва да бъдат прогнозирани)

Всяка песен има уникален идентификатор и серия от характеристики:

• track_id — уникален ID на песента
• artists
• album_name
• track_name
• popularity (само в train)
• duration_ms
• explicit
• danceability
• energy
• key
• loudness
• mode
• speechiness
• acousticness
• instrumentalness
• liveness
• valence
• tempo
• time_signature
• track_genre

Основната цел е да прогнозираш колоната popularity за тестовия набор.

🧠 Task (100 точки)

Построй модел за машинно обучение, който прогнозира популярността на всяка песен от test.csv.

Прогнозите ти трябва да бъдат запазени във файл submission.csv с формата:

1track_id,popularity2101,42.73102,55.14103,38.0

където:

• track_id — ID-то на песента от теста
• popularity — реална стойност (float), представляваща прогнозираната популярност

📊 Оценяване

Оценяването ще се извърши използвайки MAE (Mean Absolute Error):

Финалният резултат се изчислява въз основа на MAE резултата, получен използвайки следните правила:

• MAE ≤ 5 → 100 точки
• MAE ≥ 20 → 0 точки
• За междинните стойности се дават пропорционални точки между 0 и 100.