Modelli di classificazione nel machine learning: previsione della popolarità dei brani spotify

Zoccolillo, Matilde (2025) Modelli di classificazione nel machine learning: previsione della popolarità dei brani spotify. [Laurea], Università di Bologna, Corso di Studio in Informatica per il management [L-DM270], Documento ad accesso riservato.
Documenti full-text disponibili:
[thumbnail of Thesis] Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato

Download (2MB) | Contatta l'autore

Abstract

La presente tesi esplora l’applicazione di modelli di Machine Learning per classificare la popolarità dei brani di Spotify in base alle loro caratteristiche audio. Utilizzando un dataset di brani ottenuto nel 2022, sono stati analizzati diversi algoritmi di classificazione: Random Forest, Gradient Boosting e Support Vector Machines (SVM), per determinare quali fattori influenzano maggiormente la popolarità di un brano. Dopo un’accurata fase di Exploratory Data Analysis (EDA) e selezione delle feature, i modelli sono stati addestrati e valutati in termini di accuratezza.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Zoccolillo, Matilde
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
machine learning,musica,popolarità,classificazione,algoritmi,EDA
Data di discussione della Tesi
25 Marzo 2025
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^