Dalok népszerűségének előrejelzése

🎧 Zeneszámok népszerűségének előrejelzése 🎹

A digitális zeneipar gyorsan fejlődik, és a streaming platformok versenyeznek azért, hogy megbecsüljék, mennyire fog tetszeni egy dal a hallgatóknak. A népszerűség nem csak egy szám, mivel befolyásolja az ajánlásokat, az automatizált lejátszási listákat és még a művészek szerződéseit is.

Egy új előrejelzési modul betanításához kaptál egy Spotify-ból kivont adathalmazt, amely zeneszámok audio jellemzőit és metaadatait tartalmazza.

A célod egy olyan modell építése, amely előrejelzi egy zenedarab népszerűségét a numerikus jellemzők és néhány kiegészítő információ alapján.

📁 Az adathalmaz

Két fájl áll rendelkezésedre:

• train.csv — zeneszámok az összes oszloppal, beleértve a popularity-t
• test.csv — zeneszámok a popularity oszlop nélkül (ezeket kell előrejelezni)

Minden zeneszámnak van egy egyedi azonosítója és egy sor jellemzője:

• track_id — a darab egyedi azonosítója
• artists
• album_name
• track_name
• popularity (csak a train-ben)
• duration_ms
• explicit
• danceability
• energy
• key
• loudness
• mode
• speechiness
• acousticness
• instrumentalness
• liveness
• valence
• tempo
• time_signature
• track_genre

A fő cél a popularity oszlop előrejelzése a teszt halmazra.

🧠 Feladat (100 pont)

Építs egy gépi tanulási modellt, amely előrejelzi minden zeneszám népszerűségét a test.csv-ből.

Az előrejelzéseidet egy submission.csv fájlba kell menteni a következő formátumban:

1track_id,popularity2101,42.73102,55.14103,38.0

ahol:

• track_id — a zeneszám azonosítója a tesztből
• popularity — valós érték (float), amely az előrejelzett népszerűséget jelenti

📊 Értékelés

Az értékelés MAE (Mean Absolute Error) használatával történik:

A végső pontszám a MAE pontszám alapján kerül kiszámításra a következő szabályok szerint:

• MAE ≤ 5 → 100 pont
• MAE ≥ 20 → 0 pont
• A köztes értékekre arányosan 0 és 100 között kerül pontszám kiosztásra.