Прогнозування популярності пісень

🎧 Прогнозування популярності пісень 🎹

Індустрія цифрової музики швидко розвивається, а стрімінгові платформи конкурують за оцінку того, наскільки добре буде виступати пісня серед слухачів. Популярність — це не просто число, оскільки вона впливає на рекомендації, автоматизовані плейлисти і навіть контракти артистів.

Для тренування нового модуля прогнозування ти отримав набір даних, витягнутий зі Spotify, що містить аудіохарактеристики та метадані пісень.

Твоя мета — побудувати модель, яка прогнозує популярність композиції на основі числових характеристик та деякої допоміжної інформації.

📁 Набір даних

У твоєму розпорядженні два файли:

• train.csv — пісні з усіма колонками, включаючи popularity
• test.csv — пісні без колонки popularity (їх потрібно прогнозувати)

Кожна пісня має унікальний ідентифікатор та ряд характеристик:

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

Основна мета — прогнозувати колонку popularity для тестового набору.

🧠 Завдання (100 балів)

Побудуй модель машинного навчання, яка прогнозує популярність кожної пісні з test.csv.

Твої прогнози повинні бути збережені у файлі submission.csv з форматом:

1track_id,popularity2101,42.73102,55.14103,38.0

де:

• track_id — ID пісні з тесту
• popularity — дійсне значення (float), що представляє прогнозовану популярність

📊 Оцінювання

Оцінювання буде проводитися за допомогою MAE (Mean Absolute Error):

Фінальний бал розраховується на основі отриманого MAE-скору, використовуючи наступні правила:

• MAE ≤ 5 → 100 балів
• MAE ≥ 20 → 0 балів
• Для проміжних значень нараховується пропорційний бал між 0 та 100.