Prediksjon av sangpopularitet

🎧 Prediksjon av sangers popularitet 🎹

Den digitale musikkindustrien utvikler seg raskt, og strømmeplattformer konkurrerer om å estimere hvor godt en sang vil prestere blant lytterne. Popularitet er ikke bare et tall, da det påvirker anbefalinger, automatiserte spillelister og til og med artistkontrakter.

For å trene en ny prediksjonsmodul har du mottatt et datasett hentet fra Spotify, som inneholder lydkarakteristikker og metadata for sanger.

Målet ditt er å bygge en modell som predikerer populariteten til en sang basert på numeriske karakteristikker og noe tilleggsinformasjon.

📁 Datasettet

Du har tilgang til to filer:

• train.csv — sanger med alle kolonnene inkludert popularity
• test.csv — sanger uten kolonnen popularity (disse må predikeres)

Hver sang har en unik identifikator og en serie karakteristikker:

• track_id — unik ID for sporet
• artists
• album_name
• track_name
• popularity (kun i train)
• duration_ms
• explicit
• danceability
• energy
• key
• loudness
• mode
• speechiness
• acousticness
• instrumentalness
• liveness
• valence
• tempo
• time_signature
• track_genre

Hovedmålet er å predikere kolonnen popularity for testsettet.

🧠 Oppgave (100 poeng)

Bygg en maskinlæringsmodell som predikerer populariteten til hver sang fra test.csv.

Prediksjonen din må lagres i en fil submission.csv med formatet:

1track_id,popularity2101,42.73102,55.14103,38.0

hvor:

• track_id — ID-en til sangen fra test
• popularity — reell verdi (float), som representerer predikert popularitet

📊 Evaluering

Evalueringen vil bli gjort ved bruk av MAE (Mean Absolute Error):

Den endelige poengsummen beregnes basert på MAE-scoren oppnådd ved bruk av følgende regler:

• MAE ≤ 5 → 100 poeng
• MAE ≥ 20 → 0 poeng
• For mellomverdier tildeles proporsjonale poeng mellom 0 og 100.