Spotify Songs Clustring

وصف المشروع

هدف هذا المشروع هو تجميع أغاني Spotify بناءً على خصائصها الصوتية باستخدام تقنيات التعلم الآلي غير المراقب (Unsupervised Learning). يحتوي مجموعة البيانات على عدة خصائص للأغاني مثل الطاقة (Energy)، قابلية الرقص (Danceability)، المفتاح الموسيقي (Key)، النمط (Mode)، توقيع الزمن (Time Signature) وغيرها. من خلال تجميع الأغاني المتشابهة معًا، يمكننا اكتشاف أنماط وميزات موسيقية مميزة لكل مجموعة.

الخطوات الرئيسية للمشروع تشمل:

تحميل البيانات وتنظيفها:

استيراد مجموعة بيانات Spotify (SpotifyFeatures.csv) وفحصها للكشف عن القيم المفقودة.

حذف الأعمدة غير الرقمية أو غير المهمة مثل artist_name و track_name و track_id و genre.

معالجة البيانات وتجهيز الخصائص:

تحويل الأعمدة التصنيفية (key، mode، time_signature) إلى قيم رقمية باستخدام One-Hot Encoding.

توحيد مقياس كل الخصائص الرقمية باستخدام StandardScaler لضمان تناسق القيم قبل التجميع.

التجميع باستخدام KMeans:

استخدام طريقة Elbow Method لتحديد العدد الأمثل من المجموعات (Clusters).

تدريب نموذج KMeans على البيانات المعدلة وإضافة عمود cluster لكل أغنية.

التصور والتحليل:

رسم علاقات بين الخصائص المهمة مثل Energy مقابل Danceability مع تلوين الأغاني حسب مجموعتها.

تحليل خصائص كل مجموعة وفهم الأنماط الموسيقية لكل Cluster.