REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 2 Septiembre - Febrero 2023 ISSN Nº 2708-0935
RECIBIDO 07/05/2023 ● ACEPTADO 15/08/2023 ● PUBLICADO 30/09/2023
RESUMEN
En la actualidad los servicios de música en streaming se han convertido en uno de los principales
medios de consumo de música alrededor del mundo. Spotify ofrece servicios de transmisión de
música y abarca más de treinta millones de canciones. Cada año hay un incremento en la
producción de canciones por lo cual es más difícil que una canción se establezca como un hit en
el mercado. El presente trabajo tuvo como objetivo aplicar la técnica de modelado de Regresión
Lineal para encontrar una tendencia del conjunto de datos sobre el índice de popularidad de las
canciones en la plataforma Spotify, de esta manera predecir un resultado con nuevos datos que
ingresen. Se aplicó una metodología cuantitativa basada en datos medibles que se tomaron como
datasets. Como resultado se obtuvo un error cuadrático medio de 94.79 y una varianza de 0.20.
La conclusión del trabajo es que el dataset utilizado no fue el ideal acorde a nuestro objetivo.
Palabras claves:
Python, Regresión Lineal, Predicción.
ABSTRACT
Edith M. Coaquira Cuevas
Universidad Nacional de San Agustín.
ecoaquiracu@unsa.edu.pe
Cesar Vasquez Alvarez
Universidad Nacional de San Agustín.
cvasqueza@unsa.edu.pe
Emerson D. Mendoza Hilasaca
Universidad Nacional de San Agustín.
emendozahi@unsa.edu.pe
Jeffrey J. Pinto Ñaupa
Universidad Nacional de San Agustín.
jpinton@unsa.edu.pe
ARK: ark:/42411/s12/a110
DOI: 10.48168/innosoft.s12.a110
PURL: 42411/s12/a110
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 2 Septiembre - Febrero 2023 ISSN Nº 2708-0935
122
Currently, streaming music services have become one of the main means of music consumption
around the world. Spotify offers music streaming services and covers more than thirty million
songs. Every year there is an increase in the production of songs so it is more difficult for a song
to establish itself as a hit in the market. The objective of this work was to apply the Linear
Regression modeling technique to find a trend of the data set on the popularity index of songs on
the Spotify platform, in this way predict a result with new data that enters. A quantitative
methodology was applied based on measurable data that were taken as datasets. As a result, a
mean square error of 94.79 and a variance of 0.20 were obtained. The conclusion of the work is
that the dataset used was not the ideal according to our objective.
Keywords:
Python, Linear Regression, Predict.
INTRODUCCIÓN
A lo largo del tiempo, la industria musical ha pasado por revoluciones tecnológicas y
comunicativas. La industria musical está experimentando un fuerte crecimiento gracias al avance
de Internet y el surgimiento de nuevas tecnologías de la comunicación, como son las redes
sociales o diversas plataformas de contenido, como Spotify o YouTube [1]. La forma de consumo
de música ha cambiado y en la actualidad, los servicios de música de streaming se han convertido
en uno de los principales medios en los que se consume música alrededor de todo el mundo y su
crecimiento no muestra señales de estancamiento. En la investigación [2] menciona los servicios
más populares de plataformas de música, entre los cuales Spotify lidera el ranking seguido de
sus principales competidores Apple Music y Amazon Music.
Smith et al. [3] mencionan a Spotify como una empresa de software el cual ofrece servicios de
transmisión de música, Spotify es lanzado en el 2008 y en los siguientes 10 años tuvo un
crecimiento continuo convirtiéndose en un icono para una nueva generación de organizaciones
ágiles. Sus oficinas de desarrollo e investigación cuentan con una forma de trabajo y estructuras
organizativas con un diseño que promueve la colaboración, innovación y autonomía.
El éxito de las canciones es regido en una serie de factores tal como lo presenta Interiano et al
[4], hicieron el análisis de más 500000 canciones lanzadas en el Reino Unido entre los años 1985
y 2015 para ello usaron la técnica de Machine Learning “bosques aleatorios” para predecir el éxito
de las canciones que le permitió cuantificar la contribución de las características puramente
musicales en el éxito de las canciones. Entonces sugiriendo una escala temporal de la dinámica
de la moda en la música exitosa. También mencionan el descubrimiento de varias tendencias
multi décadas que tuvieron relevancia para comprender la dinámica del éxito el cual define como
ocupar puestos en las listas principales, correlacionar el éxito con las características acústicas y
explorar la previsibilidad del éxito.
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 2 Septiembre - Febrero 2023 ISSN Nº 2708-0935
123
En el campo laboral de empresas de servicios multimedia descritas por Braga [5] tales como
Spotify,Apple,Amazon o youtube music han tenido un crecimiento drástico en los últimos años
principalmente debido a que el mundo se ha vuelto cada vez más digital con el tiempo,
desarrollando asi tecnologías de rápido desarrollo y facil acceso, a lo que el autor también nos
brinda un panorama de la constante competencia de estas empresas por liderar el mercado pero
entre estas empresas está Spotify ya que destaca por ser una compañía pionera del rubro y de
momento ninguna plataforma hace temblar su dominio.
En el caso de Lopes y Simoes [6] estan de acuerdo que industria de la música ha experimentado
enormes cambios en relación con sus hábitos de producción, distribución y consumo debido al
desarrollo exponencial de las plataformas de streaming, ellos a través de estas buscaron analizar
qué factores influyen en la intención de adquirir un servicio de streaming de música y, en
consecuencia, en su recomendación pues debido a la variedad de competencia viene a ser un
algo complejo y multidimensional a esto también se cuenta el factor de las estrategias que emplea
cada empresa para captar más clientes además de la implementación de algoritmos que buscan
la satisfacción del cliente pues cada plataforma usan varios métodos que resuelvan estas dudas.
Para Twomey y Kroll [7], el método de Regresión Lineal, juega un papel importante en estudios
que involucren datos cuantitativos, si bien el método no es ideal, el uso de varias técnicas pueden
ayudar a superar sus debilidades. En adición Sravani y Bola [8] indican que regresion lineal es
un método perteneciente a algoritmos de Machine Learning, se basa en aprendizaje supervisado,
este método define la relación entre 2 variables (una dependiendo de la otra) ajustando la línea
de regresión a los datos, por otro lado Regresión lineal Múltiple utiliza múltiples variables
independientes unas de otras.
Este trabajo tiene como objetivo usar el algoritmo de Regresión Lineal para encontrar una
tendencia del conjunto de datos sobre el éxito de canciones en Spotify y de esta manera poder
predecir un resultado con nuevos datos que puedan entrar.
Materiales y métodos
Estado del Arte
Existen trabajos como los de Interiano et al [4] en la cual realizaron un análisis de una gran
repertorio de músicas lanzadas los años 1985 y 2015 en el Reino Unido para comprender la
dinámica del éxito, correlacionar el éxito con las características acústicas y explorar la
previsibilidad del éxito. Haciendo uso de la técnica de Machine Learning “bosques aleatorios”
teniendo en cuenta la función de sus características acústicas y agregando variables permitió
cuantificar la contribución de las características puramente musicales en el éxito de las canciones
y sugirió la escala temporal de la dinámica de la moda en la música popular.
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 2 Septiembre - Febrero 2023 ISSN Nº 2708-0935
124
Por otra parte Hérnandez y Beltrán [9] desarrollaron el modelo de dos redes neuronales que
identifican las transiciones de las diferentes partes de la estructura de las piezas musicales y las
diferencias entre las transiciones para etiquetarlas, hicieron uso de técnicas de aprendizaje
profundo y aprendizaje automático con Pytorch sus resultados obtenidos fueron similares al
estado del arte que tomaron como caso similar.
Asimismo Quin et al.[10] realizan una predicción de tendencias de géneros musicales según la
influencia y la similitud de la música a través del análisis de datos, haciendo uso de métodos
como Deepwalk, Cosine Similarity, modelo de similitud musical basado en el Análisis de
Componentes Principales y la distancia Euclidiana. Los resultados que obtuvieron fueron que las
tendencias del género musical se resumen y predicen a partir de la influencia y similitud de la
música.
Se tomaron como referencia las investigaciones anteriores mencionadas porque se enfocan en un
análisis de diferentes puntos de vista de la música, también aporta experiencia a nuestro trabajo
de investigación la cual se centra en el análisis y predicción del índice de popularidad a partir de
características o atributos de un tema musical.
Marco teórico
Inteligencia Artificial
La Inteligencia Artificial (IA) es una rama de las ciencias computacionales encargada de estudiar
modelos de cómputo capaces de realizar actividades propias de los seres humanos en base a dos
de sus características primordiales: el razonamiento y la conducta [11].
Data reduction
Es la transformación de información digital numérica o alfabética derivada empírica o
experimentalmente en una forma corregida, ordenada y simplificada [12]. El propósito de la
reducción de datos puede ser doble: reducir la cantidad de registros de datos mediante la
eliminación de datos no válidos o producir datos de resumen y estadísticas en diferentes niveles
de agregación para varias aplicaciones.
Data cleaning
Es el proceso de detectar, corregir o eliminar registros inexactos de un conjunto de registros,
tabla o base de datos y se refiere a identificar partes incompletas, incorrectas, inexactas o
irrelevantes de los datos y luego reemplazar, modificar, o eliminar los datos sucios o gruesos.
Data cleaning se puede realizar de forma interactiva con herramientas de gestión de datos, o
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 2 Septiembre - Febrero 2023 ISSN Nº 2708-0935
125
como procesamiento por lotes a través de secuencias de comandos o un firewall de calidad de
datos [13].
Variables dummy
Permiten medir el efecto de una característica de determinados individuos en determinada
muestra [14]. También son definidas como una variable utilizada para explicar valores cualitativos
en un modelo de regresión, son variables las cuales suelen tomar valores binarios [15].
Herramientas
Regresión Lineal
Según la página MathWorks [16] la define como una técnica de modelado estadística la cual es
empleada para describir una variable de respuesta continua como una función de una o varias
variables predictoras. Asimismo ayudan a comprender y predecir el comportamiento de sistemas
complejos, como también analizar datos experimentales, financieros y biológicos.
Por otra parte Gupta, García y Chin [17] mencionan sobre el amplio uso que tiene en la estimación
estadística también sobre los beneficios que tiene su modelo lineal como son la simplicidad y
facilidad de uso del método, asimismo recalcan que su principal inconveniente es su alta
desviación del modelo lo cual hace que pueda producir resultados deficientes.
Python
Es un lenguaje de alto nivel de programación interpretado cuya filosofía hace hincapié en la
legibilidad de su código, se utiliza para desarrollar aplicaciones de todo tipo [18]. Es un lenguaje
de programación multiparadigma, ya que soporta parcialmente la orientación a objetos,
programación imperativa y, en menor medida, programación funcional. Es un lenguaje
interpretado, dinámico y multiplataforma.
Google Colab
Es una herramienta que te permite ejecutar scripts de Python a través de los servidores de
Google. Esto te permite ejecutar celdas de código como si se tratara de un cuaderno de Jupyter
Notebook. Pero no sólo eso, Google Colab es perfecto para implementar algoritmos de aprendizaje
máquina, ya que no te limitas a los recursos de tu computadora. Esto quiere decir que tienes a
tu disposición el GPU y las TPU’s de Google para potencializar el cómputo de tu proyecto [19].
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 2 Septiembre - Febrero 2023 ISSN Nº 2708-0935
126
Numpy
Es una biblioteca para el lenguaje de programación Python que da soporte para crear vectores y
matrices grandes multidimensionales, junto con una gran colección de funciones matemáticas de
alto nivel para operar con ellas [20].
Pandas
Pandas es un paquete de Python para la ciencia de datos y Machine Learning, ofrece estructuras
de datos poderosas, expresivas y flexibles que facilitan la manipulación y análisis de datos [21].
Es una biblioteca de código abierto que proporciona herramientas de análisis y manipulación de
datos de alto rendimiento utilizando sus potentes estructuras de datos.
Matplotlib
Matplotlib es una biblioteca Python open source que permite crear visualizaciones de datos [22].
Esta biblioteca sirve para generar gráficas a partir de datos contenidos en listas, vectores, en el
lenguaje de programación Python y en su extensión matemática NumPy.
Skelearn
La librería scikit-learn, también llamada sklearn, es un conjunto de rutinas escritas en Python
para hacer análisis predictivo, que incluyen clasificadores, algoritmos de clusterización, etc. Está
basada en NumPy, SciPy y matplotlib, de forma que es fácil aprovechar el código que usan estas
librerías [23].
Seaborn
Es una librería de visualización de datos para Python desarrollada sobre matplotlib. Ofrece una
interfaz de alto nivel para la creación de atractivas gráficas. Además, está íntimamente integrada
con las estructuras de datos de pandas, lo que permite utilizar el nombre de los Data Frames y
campos directamente como argumentos de las funciones de visualización [24].
Resultados y discusión
Tratamiento de datos
En procesos de aprendizaje automático,el tratamiento de datos o también llamado pre
procesamiento tiene como objetivo manipular y/o transformar los datos sin procesar para evitar
alterar el aprendizaje y futuras predicciones [25].
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 2 Septiembre - Febrero 2023 ISSN Nº 2708-0935
127
El dataset utilizado para este trabajo contiene inicialmente 2000 datos y 18 variables, entre los
cuales, al momento de graficarlas se pudo apreciar que contenían valores anómalos los cuales
claramente tenían que ser tratados.
Transformación de datos
Primero, importamos el dataset y las librerías necesarias.
Figura 1. Importación de librerías y dataset
Segundo, identificamos las variables adecuadas y necesarias para aplicar el modelo, las cuales
fueron todas aquellas que contienen valores continuos, eliminando así las variables Nombre del
Artista, Nombre de la canción, Explícito y Género.
Figura 2. Eliminación de variables irrelevantes
Tercero, identificamos las variables dependientes e independientes.
Variables Independientes:
x1: Duración
x2: Año
x3: Bailabilidad
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 2 Septiembre - Febrero 2023 ISSN Nº 2708-0935
128
x4: Energía
x5: Tonalidad
x6: Volumen
x7: Modalidad
x8: Pronunciación
x9: Acústica
x10: Instrumentalidad
x11: En vivo
x12: Valencia
x13: Tempo
Variables Dependientes:
y1: Popularidad
Cuarto, graficamos las variables por medio de histogramas para buscar posibles valores
anómalos.
Figura 3. Histograma de variables independientes
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 2 Septiembre - Febrero 2023 ISSN Nº 2708-0935
129
Quinto, procedemos a eliminar conjuntos de valores que estén alejados del grupo o iguales a
cero, como en las variables Bailabilidad (danceability), Energía (energy), Tonalidad (key),
Instrumentalidad (instrumentalness), como también a disminuir el rango de las variables
Duración (duration_ms), Volumen (loudness) para tener una mejor distribución.
Figura 4. Data Cleaning y Data Reduction
364.56 ecm 0.04 varianza
Sexto, procedemos a crear y entrenar el modelo de Regresión Lineal.
Figura 5. Creación y entrenamiento del modelo
Séptimo, calculamos métricas para analizar el estado del modelo, Error Cuadrático Medio (MSE,
por sus siglas en inglés) y la varianza.
Figura 6. Métricas
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 2 Septiembre - Febrero 2023 ISSN Nº 2708-0935
130
Octavo, observamos que nuestro MSE es demasiado elevado por lo que decidimos agregar la
variable género al modelo. Esta variable al ser de carácter nominal tuvo que ser tratada con
Dummy Coding, generando así 11 columnas adicionales a las 13 ya tratadas.
Figura 7. Dummy coding
Figura 8. Histogramas del total columnas
Noveno, calculamos y revisamos las métricas nuevamente.
Figura 9. Métricas con Dummy Coding
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 2 Septiembre - Febrero 2023 ISSN Nº 2708-0935
131
Observamos que se pudo disminuir el MSE, pero aún así sigue siendo demasiado alto.
Décimo, tras una serie de pruebas de datos se incluyó la variable Explícito aplicando un mapeo
para transformar sus valores de Verdadero y Falso como string a valores booleanos. Además, en
la variable tonalidad, sus valores iguales a 0 se igualaron a su media para evitar eliminarlos y
disminuir aún más el número de datos.
Figura 10. Mapeo de la variable Explícito
Figura 11.Cambio de valores de 0 a media
Obteniendo con estas nuevas variante, nuevas métricas
Figura 11. Métricas finales
Consideramos estos valores aún muy altos, pero si hacemos una comparación con las métricas
iniciales se logró una reducción del 75% del MSE.
Finalmente, procedemos a realizar una predicción, que si bien no será exacta (por el valor del
MSE) será mejor que la predicción que se pudo obtener con el modelo inicial.
Figura 12. Predicción
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 2 Septiembre - Febrero 2023 ISSN Nº 2708-0935
132
Conclusiones
1. Regresión lineal es un modelo que se usa para predecir la dependencia entre dos o más
variables continuas.
2. Para desarrollar un modelo de regresión lineal ideal se debe procurar tener un dataset
con valores continuos y no tan dispersos. De no ser así, procurar tener más de 2000
datos para que al realizar data cleaning y/o data reduction no se tenga al final, por
ejemplo, un aproximado de 400 datos como en este trabajo.
3. En este trabajo, al aplicar dummy coding a variables nominales se pudo lograr una
mejora en las métricas del modelo.
4. Consideramos que si se hubiera tratado la variable “Nombre del Artista” con algún
método nuestro modelo mejoraría considerablemente.
5. Este conjunto de datos no es ideal para usar un modelo de Regresión Lineal.
Contribución de Autoría
Cesar Vasquez Alvarez: Conceptualización, Análisis formal, Investigación, Visualización,
Metodología, Software, Validación, Redacción - borrador original, Curación de datos, Escritura,
revisión y edición. Edith Coaquira Cuevas: Conceptualización, Análisis formal, Investigación,
Visualización, Metodología, Software, Validación, Redacción - borrador original, Curación de
datos, Escritura, revisión y edición. Emerson Mendoza Hilasaca: Conceptualización, Análisis
formal, Investigación, Visualización, Metodología, Software, Validación, Redacción - borrador
original, Curación de datos, Escritura, revisión y edición. Jeffrey Pinto
Ñaupa: Conceptualización, Análisis formal, Investigación, Visualización, Metodología, Software,
Validación, Redacción - borrador original, Curación de datos, Escritura, revisión y edición.
Referencias
[1]
Gómez Herrero, R. (2021). Evolución de la Industria Musical. Siglo XX-Siglo XXI.
UVaDOC Principal. https://uvadoc.uva.es/handle/10324/48012 [Accessed: June
22, 2022].
[2]
García Pizarro, A. (2021). El auge de la música en streaming. UVaDOC Principal.
https://uvadoc.uva.es/handle/10324/51809 [Accessed: June 22, 2022].
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 2 Septiembre - Febrero 2023 ISSN Nº 2708-0935
133
[3]
D. Smite, N. B. Moe, G. Levinta and M. Floryan, "Spotify Guilds: How to Succeed
With Knowledge Sharing in Large-Scale Agile Organizations," in IEEE Software,
vol. 36, no. 2, pp. 51-57, March-April 2019, doi: 10.1109/MS.2018.2886178.
[4]
Interiano, M., Kazemi, K., Wang, L., Yang, J., Yu, Z., & Komarova, N. L. (2018).
Musical trends and predictability of success in contemporary songs in and out of
the top charts. Royal Society Open Science, 5(5), 171274.
doi:10.1098/rsos.171274
[5]
. M. Braga, "Spotify vs. Apple : a battle of titans", doctoral thesis, Universidade
de Catolica Portuguesa, 2021.
[6]
M. Lopes Barata y P. Simões Coelho, "Music streaming services: understanding
the drivers of customer purchase and intention to recommend", ScienceDirect,
Volume 7, Issue 8, agosto de 2021, art. n.º e07783.
[7]
Golbaz, S., Nabizadeh, R., & Sajadi, H. S. (2019). Comparative study of
predicting hospital solid waste generation using multiple linear regression and
artificial intelligence. Journal of Environmental Health Science and Engineering,
17(1), 41-51.
[8]
Sravani, B., & Bala, M. M. (2020, June). Prediction of student performance using
linear regression. In 2020 International Conference for Emerging Technology
(INCET) (pp. 1-5). IEEE.
[9]
Hernández Oliván, C., & Beltrán Blázquez, J. R. Análisis musical mediante
inteligencia artificial.
[10]
C. Qin, H. Yang, W. Liu, S. Ding and Y. Geng, "Music Genre Trend Prediction
Based on Spatial-Temporal Music Influence and Euclidean Similarity," 2021 36th
Youth Academic Annual Conference of Chinese Association of Automation (YAC),
2021, pp. 406-411, doi: 10.1109/YAC53711.2021.9486510.
[11]
López Takeyas, B. (2007). Introducción a la inteligencia artificial. Instituto
Tecnológico de Nuevo Laredo.
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 2 Septiembre - Febrero 2023 ISSN Nº 2708-0935
134
http://itnuevolaredo.edu.mx/takeyas/Articulos/Inteligencia%20Artificial/ARTICU
LO%20Introduccion%20a%20la%20Inteligencia%20Artificial.pdf
[12]
Contributors to Wikimedia projects. (2009, 29 de julio). Data reduction -
Wikipedia. Wikipedia, the free encyclopedia.
https://en.wikipedia.org/wiki/Data_reduction
[13]
Contributors to Wikimedia projects. (2005, 31 de diciembre). Data cleansing -
Wikipedia. Wikipedia, the free encyclopedia.
https://en.wikipedia.org/wiki/Data_cleansing
[14]
Alonso, J. C., & Muñoz, A. (2014). Interpretacion de variables Dummy en modelos
log-lin. Cali, Colombia: Departamento de Economía, Universidad Icesi.
[15]
Variable ficticia - Definición, qué es y concepto | Economipedia. Economipedia.
https://economipedia.com/definiciones/variable-ficticia.html
[16]
¿Qué es la regresión lineal? MathWorks - Creadores de MATLAB y Simulink -
MATLAB y Simulink - MATLAB & Simulink.
https://la.mathworks.com/discovery/linear-regression.html (accedido el 13 de
agosto de 2022).
[17]
M. R. Gupta, E. K. Garcia and E. Chin, "Adaptive Local Linear Regression With
Application to Printer Color Management," in IEEE Transactions on Image
Processing, vol. 17, no. 6, pp. 936-945, June 2008, doi:
10.1109/TIP.2008.922429.
[18]
Colaboradores de los proyectos Wikimedia. (2002, 13 de febrero). Python -
Wikipedia, la enciclopedia libre. Wikipedia, la enciclopedia libre.
https://es.wikipedia.org/wiki/Python
[19]
¿Qué es Google Colaboratory? (s. f.). 330ohms.
https://blog.330ohms.com/2021/08/10/que-es-google-colaboratory/
[20]
Colaboradores de los proyectos Wikimedia. (2012, 4 de febrero). NumPy -
Wikipedia, la enciclopedia libre. Wikipedia, la enciclopedia libre.
https://es.wikipedia.org/wiki/NumPy
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 2 Septiembre - Febrero 2023 ISSN Nº 2708-0935
135
[21]
Introducción a la Librera Pandas de Python. (s. f.). Aprende IA.
https://aprendeia.com/introduccion-a-la-libreria-pandas-de-python-parte-1/
[22]
Matplotlib: Funciones principales. Cursos de Programación de 0 a Experto ©
Garantizados. https://unipython.com/matplotlib-funciones-principales/
[23]
Espacio de recursos de ciencia de datos. (s. f.). Espai de recursos de ciencia de
dades. http://datascience.recursos.uoc.edu/es/preprocesamiento-de-datos-con-
sklearn/
[24]
Seaborn presentación. (s. f.). Interactive Chaos.
https://interactivechaos.com/es/manual/tutorial-de-seaborn/presentacion
[25]
Gao, J. (2012). Data preprocessing.
