Predicción de la popularidad de las canciones

🎧 Predicción de popularidad de canciones 🎹

La industria de la música digital evoluciona rápidamente, y las plataformas de streaming compiten para estimar qué tan bien funcionará una canción entre los oyentes. La popularidad no es solo un número, ya que influye en las recomendaciones, listas de reproducción automatizadas e incluso en los contratos de los artistas.

Para entrenar un nuevo módulo de predicción, has recibido un conjunto de datos extraído de Spotify, que contiene características de audio y metadatos de las canciones.

Tu objetivo es construir un modelo que prediga la popularidad de una pieza basándose en las características numéricas y alguna información auxiliar.

📁 Conjunto de datos

Tienes a disposición dos archivos:

• train.csv — canciones con todas las columnas incluyendo popularity
• test.csv — canciones sin la columna popularity (estas deben ser predichas)

Cada canción tiene un identificador único y una serie de características:

• track_id — ID único de la pieza
• artists
• album_name
• track_name
• popularity (solo en train)
• duration_ms
• explicit
• danceability
• energy
• key
• loudness
• mode
• speechiness
• acousticness
• instrumentalness
• liveness
• valence
• tempo
• time_signature
• track_genre

El objetivo principal es predecir la columna popularity para el conjunto de prueba.

🧠 Task (100 puntos)

Construye un modelo de aprendizaje automático que prediga la popularidad de cada canción de test.csv.

Tus predicciones deben guardarse en un archivo submission.csv con el formato:

1track_id,popularity2101,42.73102,55.14103,38.0

donde:

• track_id — ID de la canción del test
• popularity — valor real (float), representando la popularidad predicha

📊 Evaluación

La evaluación se realizará usando MAE (Mean Absolute Error):

El puntaje final se calcula basándose en el score MAE obtenido usando las siguientes reglas:

• MAE ≤ 5 → 100 puntos
• MAE ≥ 20 → 0 puntos
• Para los valores intermedios se otorga puntaje proporcional entre 0 y 100.