მელოდიების პოპულარობის პროგნოზირება

🎧 სიმღერების პოპულარობის პროგნოზირება 🎹

ციფრული მუსიკის ინდუსტრია სწრაფად ვითარდება და სტრიმინგ პლატფორმები კონკურენციას უწევენ ერთმანეთს იმის შეფასებაში, თუ რამდენად კარგად შეასრულებს სიმღერა მსმენელებს შორის. პოპულარობა არ არის უბრალოდ რიცხვი, რადგან ის გავლენას ახდენს რეკომენდაციებზე, ავტომატურ პლეილისტებზე და ხშირად არტისტების კონტრაქტებზეც კი.

ახალი პროგნოზირების მოდულის ვარჯიშისთვის, მიიღე მონაცემთა ნაკრები Spotify-დან ამოღებული, რომელიც შეიცავს სიმღერების აუდიო მახასიათებლებს და მეტამონაცემებს.

შენი მიზანია ააშენო მოდელი, რომელიც პროგნოზირებს სიმღერის პოპულარობას რიცხვითი მახასიათებლებისა და რამდენიმე დამხმარე ინფორმაციის საფუძველზე.

📁 მონაცემთა ნაკრები

შენს ხელთ არის ორი ფაილი:

• train.csv — სიმღერები ყველა სვეტით, მათ შორის popularity
• test.csv — სიმღერები popularity სვეტის გარეშე (ესენი უნდა იქნას პროგნოზირებული)

ყოველ სიმღერას აქვს უნიკალური იდენტიფიკატორი და მახასიათებლების სერია:

• track_id — სიმღერის უნიკალური ID
• artists
• album_name
• track_name
• popularity (მხოლოდ train-ში)
• duration_ms
• explicit
• danceability
• energy
• key
• loudness
• mode
• speechiness
• acousticness
• instrumentalness
• liveness
• valence
• tempo
• time_signature
• track_genre

მთავარი მიზანია popularity სვეტის პროგნოზირება ტესტ ნაკრებისთვის.

🧠 Task (100 ქულა)

ააშენე მანქანური სწავლების მოდელი, რომელიც პროგნოზირებს test.csv-ში ყოველი სიმღერის პოპულარობას.

შენი პროგნოზები უნდა იქნას შენახული submission.csv ფაილში შემდეგი ფორმატით:

1track_id,popularity2101,42.73102,55.14103,38.0

სადაც:

• track_id — სიმღერის ID ტესტიდან
• popularity — რეალური მნიშვნელობა (float), რომელიც წარმოადგენს პროგნოზირებულ პოპულარობას

📊 შეფასება

შეფასება მოხდება MAE (Mean Absolute Error)-ის გამოყენებით:

საბოლოო ქულა გამოითვლება MAE ქულის საფუძველზე შემდეგი წესების გამოყენებით:

• MAE ≤ 5 → 100 ქულა
• MAE ≥ 20 → 0 ქულა
• შუალედური მნიშვნელობებისთვის ენიჭება პროპორციული ქულა 0-დან 100-მდე.