Laulude populaarsuse ennustamine

🎧 Laulude populaarsuse ennustamine 🎹

Digitaalmuusika tööstus areneb kiiresti ja voogedastusteenused võistlevad selles, kes suudab paremini hinnata, kui hästi mingi laul kuulajate seas toimib. Populaarsus ei ole lihtsalt number, sest see mõjutab soovitusi, automaatseid esitusloendeid ja isegi artistide lepinguid.

Uue ennustusmooduli treenimiseks said sa Spotify'st ekstraktitud andmekogumi, mis sisaldab laulude audiokarakteristikuid ja metaandmeid.

Sinu eesmärk on ehitada mudel, mis ennustab loo populaarsust numbriliste karakteristikute ja mõne lisainfo põhjal.

📁 Andmekogum

Sul on kasutada kaks faili:

• train.csv — laulud kõigi veergudega, sealhulgas popularity
• test.csv — laulud ilma popularity veeruta (need tuleb ennustada)

Igal laulul on unikaalne identifikaator ja rida karakteristikuid:

• track_id — loo unikaalne ID
• artists
• album_name
• track_name
• popularity (ainult train'is)
• duration_ms
• explicit
• danceability
• energy
• key
• loudness
• mode
• speechiness
• acousticness
• instrumentalness
• liveness
• valence
• tempo
• time_signature
• track_genre

Peamine eesmärk on ennustada popularity veergu testikogumi jaoks.

🧠 Ülesanne (100 punkti)

Ehita masinõppe mudel, mis ennustab iga test.csv laulu populaarsust.

Sinu ennustused tuleb salvestada faili submission.csv järgmises formaadis:

1track_id,popularity2101,42.73102,55.14103,38.0

kus:

• track_id — laulu ID testist
• popularity — reaalarv (float), mis esindab ennustatud populaarsust

📊 Hindamine

Hindamine toimub MAE (Mean Absolute Error) abil:

Lõplik punktisumma arvutatakse MAE skoori põhjal järgmiste reeglite abil:

• MAE ≤ 5 → 100 punkti
• MAE ≥ 20 → 0 punkti
• Vaheväärtuste puhul antakse proportsionaalne punktisumma 0 ja 100 vahel.