文件名称：Spotify_Recommendation_System:使用Spotify API构建音乐推荐系统
文件大小：20.03MB
文件格式：ZIP
更新时间：2024-03-25 23:47:50
JupyterNotebook
Spotify推荐系统 作者：阿迪娜·斯坦曼（Adina Steinman） 目标：使用Spotify API构建音乐推荐系统 业务问题 该项目的目的是为新的音乐流媒体平台构建推荐系统。 首先，建立了一个分类模型，以解决冷启动问题，并具有一种为新用户生成评分的机制。 接下来，创建了一个基于SVD的模型，以根据用户现有的首选项和歌曲评级为用户提供推荐的歌曲。 这将使该平台能够构建适合个人口味的播放列表，并希望通过这种个性化的歌曲推荐方法赢得新客户。 数据采集 使用Spotipy包装器从Spotify API中提取了大约10,000首歌曲的播放列表。 不同的端点用于收集可用的不同信息，包括： 艺术家资料 追踪资料 体裁数据 音频特征数据（可跳舞性，活跃度，化合价等） 特征工程 首先，我创建了一组虚拟变量，用于指定歌曲的播放年代； 较新的歌曲可能会由于其越来越受欢迎而比旧歌曲具有更高的收视率。
【文件预览】：
Spotify_Recommendation_System-main
----.gitignore(2KB)
----Notebooks()
--------Rec System.ipynb(93KB)
--------Classification Models.ipynb(488KB)
--------API WIP.ipynb(48KB)
--------Post-Modeling EDA for Recommendation System .ipynb(1.46MB)
--------EDA.ipynb(1.31MB)
----README.md(7KB)
----Datasets()
--------playlistdf(1.13MB)
--------mpd.slice.661000-661999.json(33.09MB)
--------log_mini.csv(27.58MB)
--------dfaudio(2.6MB)
--------predictionsdf(1.65MB)
--------modelingdata(1.62MB)
--------spotifyREADME.md(10KB)
--------dfgenres(510KB)
--------estimations_sample(6.95MB)
----Images()
--------popularity distribution.png(43KB)
--------SVD prob tuned RMSE.png(9KB)
--------vanilla models.png(77KB)
--------SVM model result.png(29KB)
--------ratings distribution.png(46KB)
--------genre EDA .png(96KB)
--------SVD tuned RMSE.png(10KB)
--------errors.png(46KB)
--------XGBoost result.png(41KB)
--------estimated head.png(72KB)
--------recommended songs.png(53KB)
----Capstone Presentation.pdf(195KB)