song-classification-project:使用Logistic回归,KNN,决策树,随机森林和XGBoost对Spotify摇滚歌曲进行多标签分类到音乐时代(Flatiron Project 3)

上传者: 42165980 | 上传时间: 2022-11-15 21:05:39 | 文件大小: 31.67MB | 文件类型: ZIP
项目3:多分类 作者:Khyatee Desai和David Shin 概述 Spotify一直在寻求创建其他功能和播放列表,以使用户发现来自不同流派和时代的新歌手。 新增内容可能会导致现有用户续订该应用程序的每月订阅,并希望扩展其音乐种类。 以下分析旨在证明音乐可以根据其音乐属性所源自的时间段进行分类。 通过类型分类发现新歌手不仅使用户受益,而且使歌手和Spotify受益。 未知的艺术家将从更多的发现方法中受益,Spotify可能获得更多的收入和更多的数据。 业务问题 要开发最佳功能和播放列表,我们需要了解在按时间段对音乐进行分类时哪些功能最重要。 创建新功能可能会推动客户续订并吸引新用户的兴趣。 数据 我们使用的主要数据集包含1921-2020年间歌曲属性。 Spotify数据包含每个轨道的音频功能,如下所示: 钥匙 值类型 值说明 duration_ms 整型 轨道的持续时间(以

文件下载

资源详情

[{"title":"( 17 个子文件 31.67MB ) song-classification-project:使用Logistic回归,KNN,决策树,随机森林和XGBoost对Spotify摇滚歌曲进行多标签分类到音乐时代(Flatiron Project 3)","children":[{"title":"song-classification-project-master","children":[{"title":"principal_component_analysis.ipynb <span style='color:#111;'> 29.97KB </span>","children":null,"spread":false},{"title":"Slide_Deck.pdf <span style='color:#111;'> 2.77MB </span>","children":null,"spread":false},{"title":"images","children":[{"title":"tree_plot.png <span style='color:#111;'> 507.28KB </span>","children":null,"spread":false},{"title":"acoustic.png <span style='color:#111;'> 30.43KB </span>","children":null,"spread":false},{"title":"banner.jpg <span style='color:#111;'> 85.38KB </span>","children":null,"spread":false},{"title":"energy.png <span style='color:#111;'> 46.63KB </span>","children":null,"spread":false},{"title":"attributes.png <span style='color:#111;'> 46.35KB </span>","children":null,"spread":false},{"title":"valence.png <span style='color:#111;'> 49.73KB </span>","children":null,"spread":false},{"title":"pop.png <span style='color:#111;'> 46.53KB </span>","children":null,"spread":false},{"title":"loudness.png <span style='color:#111;'> 37.78KB </span>","children":null,"spread":false},{"title":"spothome.jpg <span style='color:#111;'> 5.31KB </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 16.26KB </span>","children":null,"spread":false},{"title":"pickled","children":[{"title":"grid_forest_model.pickle <span style='color:#111;'> 2.56MB </span>","children":null,"spread":false},{"title":"xgboost_model.pickle <span style='color:#111;'> 17.38MB </span>","children":null,"spread":false},{"title":"rfe_features.pickle <span style='color:#111;'> 1.45KB </span>","children":null,"spread":false}],"spread":true},{"title":"data","children":[{"title":"datasets.zip <span style='color:#111;'> 16.49MB </span>","children":null,"spread":false}],"spread":true},{"title":"modeling_process.ipynb <span style='color:#111;'> 1.90MB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明