Модуль: Логистическая регрессия

import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
import numpy as np

# Загрузка датасета
data = pd.read_csv("dataset-of-10s.csv")


# Шаг 1: Выбери признаки для модели
features = ['danceability', 'energy', 'loudness', 'speechiness',
            'acousticness', 'instrumentalness', 'liveness',
            'valence', 'tempo', 'duration_ms']           

X = # твой код (выбери нужные колонки)
y = # твой код (target)           

# Шаг 2: Раздели на train и test
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42
)       

new_track = pd.DataFrame([[
    0.8,      # danceability
    0.7,      # energy
    -5,       # loudness
    0.05,     # speechiness
    0.1,      # acousticness
    0.3,      # instrumentalness
    0.2,      # liveness
    0.9,      # valence
    128,      # tempo
    210000    # duration_ms
]], columns=features)     

# Шаг 3: Создай и обучи модель
model = # твой код
# твой код для обучения
 

# Шаг 4: Сделай предсказание
prediction = # твой код
 

if prediction[0] == 1:
    print("ЭТО БУДЕТ ХИТ! ")
    print("Готовь Grammy! ")
else:
    print("К сожалению, хитом не станет...")