文件名称：格莱美预测：根据歌曲的受欢迎程度，音乐属性和历史趋势预测格莱美奖获得者
文件大小：2.79MB
文件格式：ZIP
更新时间：2024-03-17 03:46:16
JupyterNotebook
使用Spotify和Genius数据模拟歌曲流行度 互动应用 ，您可以在其中探索被提名人的不同音乐特征，并将您的预测与我的模型进行比较！ 背景 我对音频有浓厚的兴趣，是什么吸引了人们来欣赏歌曲和播客的不同特征。 我想对这些音乐属性以及它们如何以各种方式影响流行进行建模。 我收集了来自许多不同来源（网络抓取，API，Spotify，Genius，Kaggle）的数据，并希望采用一种独特的方法来衡量人气及其原因。 通过这项研究，我们可以根据过去的获奖者和今年提名人的音乐属性对即将到来的2021年格莱美奖做出一些预测。 该项目 我在该项目中展示的一些技能 清理和转换混乱的数据 数据建模的流行度（使用回归）和体裁（分类） 根据主题专业知识收集不明显的见解 网络抓取和利用API 可视化时间序列 走向“那又怎样”-从数据转向决策（在这种情况下，将钱押在格莱美奖上） 执照
【文件预览】：
grammy-predictions-main
----2_visualizations.ipynb(1.65MB)
----grammy_nominees.csv(84KB)
----7_streamlit_app.py(31KB)
----3_predicting_genres_based_on_attributes.ipynb(528KB)
----6_get_grammy_data.ipynb(68KB)
----5_predicting_popularity_based_on_attributes.ipynb(26KB)
----7_predicting_grammy_winners.ipynb(3.78MB)
----Procfile(53B)
----requirements.txt(68B)
----1_getting_popularity_data.ipynb(21KB)
----8_predicting_grammy_winners.ipynb(216KB)
----4_lyrics_nlp.ipynb(10KB)
----README.md(2KB)
----setup.sh(115B)
----deprecated()
--------6_predicting_grammys.ipynb(13KB)
--------getting_popularity_data.ipynb(85KB)