机器学习课程--实验1 音乐流行度预测

实验1 音乐流行度预测

任务描述

构建线性回归模型，对音乐流行度进行预测。

数据集简介

人类与歌曲和音乐有着紧密的联系。音乐可以改善情绪，减轻疼痛和焦虑，为情感表达提供机会。研究表明，音乐可以在许多方面有益于我们的身体和心理健康。最近，多项研究已经开展，以了解歌曲和其受欢迎程度之间的关系。本数据集中，歌曲用多种指标度量对进行描述并记录为表格，任务是预测歌曲流行度。数据集包含18835个样本，每个样本包含13个属性与1个实值标记，属性包括连续数据属性和离散属性，属性信息见下表。要注意数据之间存在多重共线性，这增加了任务的挑战难度。

变量名	属性/标记	连续/离散	类型	上下界	离散值个数
Song_name			string
Song_popularity	Label	Continuous	int	(0,100)
Song_duration_ms	Attribute	Continuous	int	(12k,1.8m)
acousticness	Attribute	Continuous	double	(0,1)
daceability	Attribute	Continuous	double	(0,0.99)
energy	Attribute	Continuous	double	(0,1)
instrumentalness	Attribute	Continuous	double	(0,1)
key	Attribute	Discrete	int		12
liveness	Attribute	Continuous	double	(0.01,0.99)
loudness	Attribute	Continuous	double	(-38.8,1.58)
audiomode	Attribute	Discrete	int		2
speechiness	Attribute	Continuous	double	(0,0.94)
tempo	Attribute	Continuous	double	(0,242)
timesignature	Attribute	Discrete	int		6
audiovalence	Attribute	Continuous	double	(0,0.98)

目标：根据歌曲指标预测歌曲流行度。

教学要求

1. 掌握线性回归模型的原理与构建
2. 掌握数据集预处理的常用方法，包括属性转换、归一化、共线性（multicollinearity）的检测与处理等。其中关于共线性要求自学，可参考 [1] [2]。
3. 掌握常用评估方法（本实验中为最基本的单次留出法）
4. 掌握实验结果的展示方式

实验要求

1. 使用Python编程构建线性回归算法，预测音乐流行度。
2. 数据集预处理：
   1. 离散属性连续化
   2. 连续属性归一化normalization
   3. 共线性的检测与处理
3. 使用80%的数据集进行训练，20%的数据集进行测试。需要报告训练误差和测试误差。请注意，需要保证模型能够在测试集上进行准确的预测。
4. 使用可视化技术来展示你的模型和数据集。可以使用Python的Matplotlib库来完成该任务。（可选）

1. 对数据集的展示，比如，属性值的分布情况、属性与标记之间的相关性等。
2. 对模型的展示，比如在二维空间中展示模型对应的线

1. 报告模型的性能和准确率。可以使用Python的Scikit-Learn库中的mean_squared_error函数来计算均方误差（MSE）。
2. 提交代码与报告，其中报告内容包括以下几个部分：
   1. 预处理
   2. 实验设置，包括实验评估方法与性能度量
   3. 实验结果，包括模型性能，可视化结果展示
   4. 结果分析
   5. 代码附录

提交要求

1. 提交的文件为压缩文件，其中包含：.py代码文件或者.ipynb（不接受其它后缀的代码文件）、实验报告（doc或.docx），可能包含：模型文件（训练代码和预测代码分开的话需要）、运行脚本（视自己情况而定）
2. 提交的报告为doc或docx，代码需要复制后放在附录中。
3. 提交的代码需要一键运行，或者命令行（脚本）直接运行。（脚本运行需要注意路径）
4. 模型使用pickle库保存。用法参照：

利用pickle保存模型-CSDN博客

1. 不要包含太多库导致批改设备运行时报错（没用到的库尽量不要导入）。

参考文献

[1]	流病与统计, “一看就懂的多重共线性,” [联机]. Available: https://zhuanlan.zhihu.com/p/355241680
[2]	喀喀湖, “线性回归的决定系数,” [联机]. Available: https://blog.csdn.net/weixin_44005185/article/details/121273629