音乐功能的 ML 算法 [关闭]答案

【问题标题】：ML algorithm for Music Features [closed]音乐功能的 ML 算法 [关闭]
【发布时间】：2019-05-12 08:38:25
【问题描述】：

我是机器学习领域的新手，我需要从音乐数据中创建模型。

它包含歌曲的特征，但没有标记。如何从中创建模型？

我需要使用无监督学习算法吗？如果我使用深度学习方法，哪个更好或更好。

数据如下所示：

      danceability  loudness  valence  energy  instrumentalness  acousticness  
136         0.795    -8.334    0.578   0.409          0.000000      0.684000   
442         0.502    -4.556    0.720   0.912          0.000173      0.000025   
92          0.713   -14.590    0.560   0.258          0.006060      0.877000   
67          0.505   -14.951    0.723   0.782          0.930000      0.921000   
127         0.470    -6.740    0.490   0.809          0.006710      0.272000

【问题讨论】：

模型的目标是什么？在 datascience.SE 上可能会更好。
我投票结束这个问题，因为这个问题应该在 datascience.SE 上
模型需要猜测新歌是否适合用户的口味。好的，我会在 datascience.SE 上写文章
所以你确实有一个标签，那不是无监督学习。
但那些是用户喜欢的歌曲的数据。我没有用户不喜欢的东西。我也可以使用这些数据进行监督学习吗？

标签： python machine-learning scikit-learn cluster-analysis spotify

【解决方案1】：

虽然您的数据没有标记，但您应该使用无监督学习对它们进行聚类。

您可以将每个原始数据作为一个向量点，并根据训练集中数据之间的相似性应用 kmeans 或其他方法来生成许多集群。在传递给深度学习模型之前，我总是先尝试简单的算法

希望对你有帮助

【讨论】：

你可以这样做。但它实际上并不能帮助您解决问题...