https://github.com/drsartoriuss/masterskaya_1

Разработка модели классификации музыкальных жанров на реальных данных.
https://github.com/drsartoriuss/masterskaya_1

catboost pandas phik sklearn

Last synced: 12 days ago
JSON representation

Разработка модели классификации музыкальных жанров на реальных данных.

• Host: GitHub
• URL: https://github.com/drsartoriuss/masterskaya_1
• Owner: DrSartoriuss
• Created: 2024-06-26T10:06:26.000Z (7 months ago)
• Default Branch: main
• Last Pushed: 2024-06-26T10:10:30.000Z (7 months ago)
• Last Synced: 2024-11-07T01:28:28.812Z (2 months ago)
• Topics: catboost, pandas, phik, sklearn
• Language: Jupyter Notebook
• Homepage: https://clck.ru/38cNVy
• Size: 1.05 MB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
# Music genre prediction [M1_26DS+]

## Описание проекта 

- Популярный музыкальный стриминговый сервис "МиФаСоль" расширяет работу с новыми артистами и музыкантами, в связи с чем возникла задача - правильно классифицировать новые музыкальные треки, чтобы улучшить работу рекомендательной системы. Сотрудники отдела работы со звуком подготовили датасет, в котором собраны некоторые характеристики музыкальных произведений и их жанры. Наша задача - разработать модель, позволяющую классифицировать музыкальные произведения по жанрам.

- Проект реализуется в форме соревнования на платформе Kaggle: требуется показать лучшую метрику F1 на скрытой тестовой выборке.     

  

## Используемые инструменты:

 

*Библиотеки:*

- pandas

- sklearn

- numpy

- matplotlib

- scipy

- phik

- xgboost

- catboost  

  

*Модели:*

- RandomForestClassifier

- svm

- xgboost

- CatBoostClassifier

 

## Результаты: 

-  Загрузили и изучили данные, провели предобработку и EDA, создали и добавили новые признаки, проверили признаки на мультиколлинеарность, выбрали и обучили модели, подобрав для них лучшие гиперпараметры методом HalvingGridSearchCV, после чего оценили качество предсказаний кросс-валидацией и проанализировали важность признаков лучшей модели.      

    

- Лучше всего с поставленной задачей справилась **модель CatBoost** с количеством итераций (iterations) 2000, и 'learning_rate' - 0.03. Модель показала на валидационной выборке значение метрики **F1 - 0.480479**, это значит, что модель правильно предсказала жанр (один из десяти) трека почти в половине случаев. 

     

- **Наиболее важным признаком** для модели является **'instrumentalness'**.

- В **финальном тесте** модель показала значение метрики **F1 - 0,49764**.