Rückblick: Playlist-Stimmungen

Teil des Abschnitts Unüberwachtes Lernen der Machine Learning-Journey von Coddy. Lektion 42 von 51.

Aufgabe

Mittel

Die 98 Songs deiner Playlist befinden sich in songs.csv. Sortiere sie nach Stimmung; das Diagramm ist bereits vorbereitet.

Skaliere die vier Merkmale und teile die Songs in 4 Cluster ein.
Benenne jedes Cluster anhand seiner mittleren Energie und Valenz: Sind beide mindestens 0.5, heißt es happy; nur bei Energie tense, nur bei Valenz calm, bei keinem von beiden sad.
Gib, beginnend mit dem größten Cluster, die Größe jeder Stimmung und ihre Hymne aus: den Song, der ihrem Zentrum am nächsten liegt.
Stelle die Valenz auf der waagerechten und die Energie auf der senkrechten Achse dar, mit einer Gruppe pro Stimmung, beschriftet mit ihrem Namen; Legende hinzufügen, anzeigen.

Für die erste Playlist des Kapitels:

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

und ihr Diagramm:

Die 80 Songs einer anderen Playlist mit dem Titel Playlist Moods, Valenz auf der waagerechten und Energie auf der senkrechten Achse, in vier beschrifteten Gruppen: tense oben links, happy oben rechts, sad unten links, calm unten rechts

Dann beschreibt Coddy deine Playlist.

Probier es selbst

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

# Eine Zeile pro Song: energy und valence (0 traurig bis 1 fröhlich) von 0 bis 1, Tempo, acousticness
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")

# Schreibe deinen Code unten