Kappaleiden suosion ennustaminen

🎧 Kappaleiden suosion ennustaminen 🎹

Digitaalisen musiikin teollisuus kehittyy nopeasti, ja suoratoistoalustat kilpailevat arvioidakseen, kuinka hyvin kappale menestyy kuuntelijoiden keskuudessa. Suosio ei ole vain numero, sillä se vaikuttaa suosituksiin, automaattisiin soittolistoihin ja jopa artistien sopimuksiin.

Uuden ennustemallin kouluttamiseksi olet saanut Spotifysta poimitun tietojoukon, joka sisältää kappaleiden ääniominaisuuksia ja metatietoja.

Tavoitteesi on rakentaa malli, joka ennustaa kappaleen suosion numeeristen ominaisuuksien ja muutamien lisätietojen perusteella.

📁 Tietojoukko

Käytössäsi on kaksi tiedostoa:

• train.csv — kappaleet kaikilla sarakkeilla mukaan lukien popularity
• test.csv — kappaleet ilman popularity-saraketta (nämä tulee ennustaa)

Jokaisella kappaleella on yksilöllinen tunniste ja joukko ominaisuuksia:

• track_id — kappaleen yksilöllinen ID
• artists
• album_name
• track_name
• popularity (vain train-joukossa)
• duration_ms
• explicit
• danceability
• energy
• key
• loudness
• mode
• speechiness
• acousticness
• instrumentalness
• liveness
• valence
• tempo
• time_signature
• track_genre

Päätavoite on ennustaa popularity-sarake testijoukkolle.

🧠 Tehtävä (100 pistettä)

Rakenna koneoppimismalli, joka ennustaa jokaisen test.csv-tiedoston kappaleen suosion.

Ennusteesi tulee tallentaa submission.csv-tiedostoon muodossa:

1track_id,popularity2101,42.73102,55.14103,38.0

missä:

• track_id — kappaleen ID testistä
• popularity — reaaliluku (float), joka edustaa ennustettua suosiota

📊 Arviointi

Arviointi tehdään käyttäen MAE (Mean Absolute Error) -mittaria:

Lopullinen pistemäärä lasketaan saadun MAE-pisteen perusteella käyttäen seuraavia sääntöjä:

• MAE ≤ 5 → 100 pistettä
• MAE ≥ 20 → 0 pistettä
• Väliarvoille annetaan suhteellinen pistemäärä 0:n ja 100:n väliltä.