Predizione della popolarità delle canzoni

🎧 Predizione della popolarità delle canzoni 🎹

L'industria della musica digitale evolve rapidamente, e le piattaforme di streaming competono per stimare quanto bene performerà una canzone tra gli ascoltatori. La popolarità non è solo un numero, poiché influenza raccomandazioni, playlist automatizzate e persino i contratti degli artisti.

Per addestrare un nuovo modulo di predizione, hai ricevuto un set di dati estratto da Spotify, contenente caratteristiche audio e metadati delle canzoni.

Il tuo obiettivo è costruire un modello che predice la popolarità di un brano basandosi sulle caratteristiche numeriche e su alcune informazioni ausiliarie.

📁 Il set di dati

Hai a disposizione due file:

• train.csv — canzoni con tutte le colonne inclusa popularity
• test.csv — canzoni senza la colonna popularity (queste devono essere predette)

Ogni canzone ha un identificatore unico e una serie di caratteristiche:

• track_id — ID unico del brano
• artists
• album_name
• track_name
• popularity (solo in train)
• duration_ms
• explicit
• danceability
• energy
• key
• loudness
• mode
• speechiness
• acousticness
• instrumentalness
• liveness
• valence
• tempo
• time_signature
• track_genre

L'obiettivo principale è predire la colonna popularity per il set di test.

🧠 Task (100 punti)

Costruisci un modello di apprendimento automatico che predice la popolarità di ogni canzone in test.csv.

Le tue predizioni devono essere salvate in un file submission.csv con il formato:

1track_id,popularity2101,42.73102,55.14103,38.0

dove:

• track_id — ID della canzone dal test
• popularity — valore reale (float), rappresentante la popolarità predetta

📊 Valutazione

La valutazione sarà effettuata usando MAE (Mean Absolute Error):

Il punteggio finale è calcolato basandosi sul punteggio MAE ottenuto usando le seguenti regole:

• MAE ≤ 5 → 100 punti
• MAE ≥ 20 → 0 punti
• Per i valori intermedi si assegna un punteggio proporzionale tra 0 e 100.