分析电影以预测其对制片方的商业可行性

电影首映后，一种主要的猜测关乎影片的相对成功。这种相对性尤其针对影片的原始预算，因为许多大预算大片既取得过非凡成功，也遭遇过惨败。那么如何预测一部待映电影的成功？本文中，我们探索了海量电影数据，试图开发一个能预测待映电影预期回报的模型。此开发方法如下：首先，我们从 MovieLens 数据集出发，其含有常见电影属性及每部电影的基因组标签。基因组标签揭示了电影哪些具体特征最为突出。随后我们纳入来自 TMDB、IMDB 与 Metacritic 网站的关于电影内容、演职人员、观众感知、预算与收益的附加特征。接着，我们进行探索性数据分析并构造了大量捕捉可用特征历史信息的新特征。此后，我们使用奇异值分解（SVD）对高维特征（如基因组标签）降维。最后，我们构建了随机森林分类器并执行超参数调优以优化模型精度。我们模型的未来应用可见于电影行业，使制片公司能基于其设想的制作流程大纲更好地预测项目的预期回报，从而使其修订计划以谋求最优收益。