PREDICCIÓN DE POPULARIDAD DE CANCIONES MEDIANTE APRENDIZAJE AUTOMÁTICO

Abstract

Este Trabajo Fin de Grado se centra en la predicción del éxito de las canciones en plataformas de streaming como Spotify mediante el uso de técnicas de aprendizaje automático. El objetivo principal es analizar si la popularidad de una canción puede explicarse a partir de características acústicas identificables o si, por el contrario, es un fenómeno impredecible. La metodología empleada partió de un análisis exploratorio de los datos, que demostró las limitaciones de los modelos lineales para resolver este problema. Posteriormente, se implementó el algoritmo Boruta para filtrar el ruido estadístico, lo que permitió identificar las variables acústicas más relevantes. En la fase de modelado predictivo, se llevó a cabo un estudio comparativo entre diferentes algoritmos clásicos de clasificación y técnicas de aprendizaje conjunto (ensemble learning). Los resultados confirmaron que la limpieza de datos optimiza el rendimiento predictivo y que los modelos basados en la meta-clasificación logran un mejor equilibrio entre precisión y exhaustividad. Se concluye que, si bien la música posee un componente subjetivo, los éxitos comerciales comparten una firma acústica que los algoritmos modernos de aprendizaje automático son capaces de identificar.