مراجعة: أجواء قوائم التشغيل

جزء من قسم التعلّم غير الخاضع للإشراف في رحلة Machine Learning على Coddy. الدرس 42 من 51.

التحدي

متوسط

الأغاني الـ98 في قائمة التشغيل لديك موجودة في songs.csv. صنّفها حسب الحالة المزاجية؛ فالمخطط جاهز.

قيّس الميزات الأربع، ثم جمّع الأغاني في 4 مجموعات.
سمِّ كل مجموعة بحسب متوسط الطاقة والقيمة الوجدانية فيها: إذا كان كلاهما 0.5 أو أكثر فالتصنيف happy، وإذا كانت الطاقة وحدها كذلك فالتصنيف tense، وإذا كانت القيمة الوجدانية وحدها كذلك فالتصنيف calm، وإذا لم يكن أيٌّ منهما كذلك فالتصنيف sad.
ابدأ بالأكبر، واطبع حجم كل حالة مزاجية وأغنيتها الأبرز: الأغنية الأقرب إلى مركزها.
اعرض مخططًا مبعثرًا للقيمة الوجدانية أفقيًا والطاقة رأسيًا، مع مجموعة واحدة لكل حالة مزاجية، وسمِّ كل مجموعة باسمها؛ أظهر وسيلة الإيضاح، ثم اعرض المخطط.

لقائمة التشغيل الأولى في الفصل:

happy: 26 songs, anthem Lucky Avenue
tense: 22 songs, anthem Midnight Highway
sad: 17 songs, anthem Grey Bridges
calm: 15 songs, anthem Soft Window

ومخططها:

قائمة تشغيل أخرى تضم 80 أغنية بعنوان Playlist Moods، والقيمة الوجدانية أفقيًا والطاقة رأسيًا، موزعة على أربع مجموعات معنونة: tense في أعلى اليسار، وhappy في أعلى اليمين، وsad في أسفل اليسار، وcalm في أسفل اليمين

بعد ذلك، سيصف Coddy قائمتك.

جرّب بنفسك

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans

# صف واحد لكل أغنية: الطاقة والتكافؤ العاطفي (0 حزين إلى 1 سعيد) من 0 إلى 1، الإيقاع، والطابع الصوتي
songs = pd.read_csv("songs.csv")
features = ["energy", "valence", "tempo_bpm", "acousticness"]

fig, ax = plt.subplots()
ax.set_title("Playlist Moods")
ax.set_xlabel("Valence (sad to happy)")
ax.set_ylabel("Energy")

# اكتب الكود الخاص بك أدناه