# コンテキスト このデータは、機械学習を用いて、曲が関連付けられるテーマや活動に基づいて曲を分類する学部生プロジェクトの一環としてまとめられたものです。このプロジェクトでは、4つの活動が選ばれました。 1. ディナー：ディナーの場やレストランで再生すると良い曲。 2. 睡眠：再生すると睡眠を促進する曲。 3. パーティー：パーティーで再生すると良い曲。 4. ワークアウト：運動中に再生すると良い曲。 データの収集は、Spotifyからプレイリストの詳細を収集することから始まりました。各カテゴリのプレイリストの収集には、SpotifyのウェブAPIが使用されました。曲名、アルバム名、アーティスト名を用いて、MFCC、スペクトル重心、スペクトルロールオフ、スペクトル帯域幅、テンポ、スペクトルコントラスト、二乗平均平方根エネルギーなどの低レベルおよび高レベルのオーディオ特徴量を抽出しました。計算を容易にするために、値の平均を計算してテーブルに追加しました。 データは、Spotifyのオーディオ分析APIを用いても整理されました。このデータセットには、より多くの曲が含まれています。 # 内容 このデータセットには8つのテーブルがあります。 1. *playlist*_audio_featuresという名前の4つのテーブルには、MFCC、スペクトル重心などの信号処理特徴量が含まれています。 2. *playlist*_spotify_featuresという名前のさらに4つのテーブルには、Spotifyのオーディオ特徴量APIから抽出されたデータが含まれています。これらのテーブルには、より多くの特徴量が含まれています。データセットのサイズはかなり大きいです。 ## "*playlist*_audio_features"列の説明： 1. 最初の列には、曲の単純な整数IDが入っています。（このIDはそのファイル内でローカルなものです。） 2. 2番目の列には、曲名が入っています。 3. 3番目の列名*mfcc*には、その曲について計算されたMFCCの平均が入っています。曲の1フレームから20個のMFC係数が抽出されました。 4. 4番目の列は*scem*と名付けられています：これはスペクトル重心の平均です。スペクトル重心は各フレームについて計算されました。 5. 5番目の列は*scom*と名付けられています：これはスペクトルコントラストの平均です。スペクトルコントラストは各フレームについて計算されました。 6. 6番目の列は*srom*と名付けられています：これはスペクトルロールオフの平均です。スペクトルロールオフは各フレームについて計算されました。 7. 7番目の列は*sbwm*と名付けられています：これはスペクトル帯域幅の平均です。スペクトル帯域幅は各フレームについて計算されました。 8. 8番目の列は*tempo*と名付けられています：これは曲の推定テンポです。 9. 9番目の列は*rmse*と名付けられています：これは各フレームについて計算されたRSMEの平均です。 ##の説明