Algoritmos de classificação aplicados em recomendações de faixas para playlists

Abstract

Trabalho de conclusão de curso de Estatística com foco em métodos de classificação na análise de faixas do popular serviço de streaming Spotify. Random forest e regressão logística foram utilizados para identificar características das músicas de playlists e diferenciá-las. Ao longo do estudo ficou evidente algumas vantagens e desvantagens dos métodos. Por exemplo, a facilidade de implementação de ambos, o baixo custo computacional de regressão logística contra a maior demora do random forest e o problema de não convergência na regressão em alguns casos específicos, o que não é um problema possível para random forest. Na maioria dos casos, ambos os métodos tiverem desempenhos semelhantes e positivos. Também foram utilizados métodos de validação cruzada: k-folds e leave one out.