Duvida sobre um projeto particular | Linguagem Natural parte 2: continuando com a análise de sentimento

Bom dia, tudo bem? Eu tenho um dataframe que segue este dicionario aqui:


    Glossary 
Fields	Type	Description
artist	string	name of artist
album	string	name of album
track	string	name of a song belong to the album
year	int	year of release of the album
lyrics	string	the lyrics about the song

A ideia é um dataframe que tem como campos, artista, album, tracks e letras. Onde tracks é o titulo da musica e a letra é a lyric. Esse dataframe pode ser de qualquer banda que eu quiser, no meu caso, estou analizando a banda WILCO E eu queria criar um modelo que pudesse prever, baseado neste conjunto de dados, que ano seria lançado o próximo album da banda, qual nome deste album, quais cançoes teria e como seria as letras.

É possivel?

Existe algum projeto feito anteriormente que eu possa estar analisando?

Alguém pode me ajudar?

vou dispor aqui o notebook do projeto

https://github.com/batestin1/wilco/blob/main/notebooks/main.ipynb

Sim, é possível criar um modelo de previsão com base no conjunto de dados que você tem. A tarefa que você descreve parece ser um problema de aprendizado de máquina, mais especificamente, um problema de regressão, onde você deseja prever o ano de lançamento do próximo álbum da banda Wilco com base nos dados anteriores, como o nome do artista, nome do álbum, faixas e letras.

Preparação de Dados:
- Limpeza e pré-processamento dos dados, como tratamento de dados ausentes, transformação de texto (por exemplo, tokenização e vetorização das letras das músicas).
Divisão de Dados:
- Divida os dados em um conjunto de treinamento e um conjunto de teste. O conjunto de treinamento será usado para treinar o modelo, e o conjunto de teste será usado para avaliar o desempenho do modelo.
Escolha do Modelo:
- Escolha um modelo de regressão apropriado para treinar. Você pode considerar modelos como Regressão Linear, Árvores de Decisão, Random Forest, ou até mesmo modelos de aprendizado profundo, como Redes Neurais.
Treinamento do Modelo:
- Treine o modelo usando os dados de treinamento. Certifique-se de acompanhar métricas de desempenho, como o erro médio quadrático (Mean Squared Error - MSE).
Avaliação do Modelo:
- Avalie o modelo usando os dados de teste para verificar o quão bem ele está fazendo as previsões. Pode ser necessário ajustar hiperparâmetros e escolher diferentes modelos para obter o melhor desempenho.
Previsão do Próximo Álbum:
- Após treinar o modelo, você pode usá-lo para fazer previsões sobre o próximo álbum da banda Wilco.

Quanto a projetos semelhantes ou recursos para referência, você pode procurar por projetos de previsão de lançamentos de álbuns de música usando aprendizado de máquina em plataformas como GitHub ou Kaggle. Embora não exista um projeto específico para a banda Wilco que eu possa referenciar, você pode encontrar exemplos de previsão de lançamentos de álbuns para outras bandas ou artistas.