文件名称：spotifav:with通过机器学习在Spotify上映射您的音乐品味
文件大小：4.77MB
文件格式：ZIP
更新时间：2024-05-26 17:32:11
playlist spotify svm dimensionality-reduction t-sne
Spotifav 随附的博客文章： 在发现可以使用Spotify播放列表上的一些有趣功能（可跳舞性，响度等）后，我决定加一些数字以发现我喜欢的歌曲上的模式。 为了进行现实检查，我将自己的歌曲与“播放列表进行了比较，得出了一些有趣的发现。 您可以通过这个聪明的为播放列表获取上述功能。 该存储库包含必要的代码，数据和Jupyter笔记本，以估计直方图，相关热图，降维和使用t-SNE进行可视化，以及使用在等高线图中可视化的一类SVM进行异常检测。 要运行，您应该设置通常的sci-Python帮派：Matplotlib，Numpy，Pandas，Seaborn和Sklearn。 脚步 登录到并选择您的播放列表。 将表复制到电子表格。 将其另存为csv。 运行spotify_favorites.py查找相关性并估计t-SNE和SVM 运行today_top_hits.py ，将步骤4的
【文件预览】：
spotifav-master
----today_top_hits.py(3KB)
----spotify_favorites.py(7KB)
----Figures()
--------Energy Loudness Correlation.png(81KB)
--------tsne belle sebastian.png(171KB)
--------histogram comparison + title.png(161KB)
--------tsne arcade fire.png(94KB)
--------Popularity Energy Corr.png(74KB)
--------Energy Valence Corr.png(73KB)
--------histograms.png(127KB)
--------Energy Acousticness Corr.png(69KB)
--------histograms comparison.png(136KB)
--------Thumbs.db(364KB)
--------one class plot.png(156KB)
--------tsne whole data.png(911KB)
--------Danceability Valence Corr.png(83KB)
--------Year Loudness Corr.png(91KB)
--------Acousticness Loudness Corr.png(80KB)
--------pca + oneclassSVM + song titles.png(684KB)
--------pca + oneclassSVM.png(136KB)
----README.md(3KB)
----Data()
--------spotify sortyourmusic favorite playlist.csv(23KB)
--------today top hits 06082016.csv(3KB)
----Notebooks()
--------today top hits.ipynb(331KB)
--------spotify favorites.ipynb(1.95MB)