Predição da popularidade das músicas

🎧 Predição da popularidade de músicas 🎹

A indústria da música digital evolui rapidamente, e as plataformas de streaming competem para estimar quão bem uma música irá performar entre os ouvintes. A popularidade não é apenas um número, pois ela influencia recomendações, playlists automatizadas e até mesmo contratos de artistas.

Para treinar um novo módulo de predição, você recebeu um conjunto de dados extraído do Spotify, contendo características de áudio e metadados das músicas.

Seu objetivo é construir um modelo que prediga a popularidade de uma música com base nas características numéricas e algumas informações auxiliares.

📁 Conjunto de dados

Você tem à disposição dois arquivos:

• train.csv — músicas com todas as colunas incluindo popularity
• test.csv — músicas sem a coluna popularity (estas devem ser preditas)

Cada música tem um identificador único e uma série de características:

• track_id — ID único da música
• artists
• album_name
• track_name
• popularity (apenas em train)
• duration_ms
• explicit
• danceability
• energy
• key
• loudness
• mode
• speechiness
• acousticness
• instrumentalness
• liveness
• valence
• tempo
• time_signature
• track_genre

O objetivo principal é predizer a coluna popularity para o conjunto de teste.

🧠 Task (100 pontos)

Construa um modelo de aprendizado de máquina que prediga a popularidade de cada música do test.csv.

Suas predições devem ser salvas em um arquivo submission.csv com o formato:

1track_id,popularity2101,42.73102,55.14103,38.0

onde:

• track_id — ID da música do teste
• popularity — valor real (float), representando a popularidade predita

📊 Avaliação

A avaliação será feita usando MAE (Mean Absolute Error):

A pontuação final é calculada com base no score MAE obtido usando as seguintes regras:

• MAE ≤ 5 → 100 pontos
• MAE ≥ 20 → 0 pontos
• Para valores intermediários é atribuída pontuação proporcional entre 0 e 100.