Задача . Определить успешность треков

Ты — data scientist в музыкальной компании! Твоя задача — понять, станут ли новые песни хитами, ещё до их релиза. У тебя есть реальный датасет из Spotify с характеристиками тысяч песен.

Сможешь ли ты создать модель, которая предскажет, попадут ли треки в топ? 

В датасете есть интересные музыкальные характеристики:

• danceability — танцевальность (0.0-1.0) — насколько под это можно двигаться

• energy — энергичность (0.0-1.0) — насколько трек агрессивный и быстрый

• loudness — громкость (в децибелах, обычно от -60 до 0)

• speechiness — разговорность (0.0-1.0) — сколько в треке слов (рэп будет высоким)

• acousticness — акустичность (0.0-1.0) — есть ли живые инструменты

• instrumentalness — инструментальность (0.0-1.0) — есть ли вокал (чем выше, тем меньше слов)

• liveness — живость (0.0-1.0) — записано ли вживую с публикой

• valence — позитивность (0.0-1.0) — насколько трек весёлый (грустный vs радостный)

• tempo — темп (удары в минуту, обычно 50-200)

• duration_ms — длительность в миллисекундах

• target — хит (1) или нет (0)

Напиши программу, которая:

1. Загружает датасет из файла CSV

2. Готовит данные (выбирает нужные признаки и делит на train/test)

3. Обучает модель логистической регрессии

4. Запрашивает у пользователя:

   • Количество треков для проверки

   • Все характеристики каждого трека (10 параметров)

5. Предсказывает для каждого введённого трека:

   • Станет ли он хитом (yes/no)

   • Вероятность успеха в процентах

YES
77.44
NO
0.32
YES
70.93