Предсказание популярности песен

🎧 Предсказание популярности песен 🎹

Индустрия цифровой музыки быстро развивается, а стриминговые платформы конкурируют за возможность оценить, насколько хорошо песня будет восприниматься слушателями. Популярность — это не просто число, поскольку она влияет на рекомендации, автоматизированные плейлисты и даже контракты артистов.

Для обучения нового модуля предсказания ты получил набор данных, извлеченный из Spotify, содержащий аудиохарактеристики и метаданные песен.

Твоя цель — построить модель, которая предсказывает популярность композиции на основе числовых характеристик и некоторой вспомогательной информации.

📁 Набор данных

В твоем распоряжении два файла:

• train.csv — песни со всеми колонками, включая popularity
• test.csv — песни без колонки popularity (их нужно предсказать)

Каждая песня имеет уникальный идентификатор и ряд характеристик:

• track_id — уникальный ID композиции
• artists
• album_name
• track_name
• popularity (только в train)
• duration_ms
• explicit
• danceability
• energy
• key
• loudness
• mode
• speechiness
• acousticness
• instrumentalness
• liveness
• valence
• tempo
• time_signature
• track_genre

Основная цель — предсказать колонку popularity для тестового набора.

🧠 Задача (100 баллов)

Построй модель машинного обучения, которая предсказывает популярность каждой песни из test.csv.

Твои предсказания должны быть сохранены в файле submission.csv с форматом:

1track_id,popularity2101,42.73102,55.14103,38.0

где:

• track_id — ID песни из теста
• popularity — вещественное значение (float), представляющее предсказанную популярность

📊 Оценка

Оценка будет производиться с использованием MAE (Mean Absolute Error):

Итоговый балл рассчитывается на основе полученного MAE с использованием следующих правил:

• MAE ≤ 5 → 100 баллов
• MAE ≥ 20 → 0 баллов
• Для промежуточных значений баллы начисляются пропорционально между 0 и 100.