电影分析系统包含机器学习算法驱动的电影推荐系统和票房预测系统。

简介：
电影数据分析项目由刘家硕主导，于2016年1月12日完成（编号：86）。以下是对该项目的概述： 1. 实验目标：本项目的核心在于，利用电影数据集，并结合电影的摘要、关键词、预算、票房以及用户评分等关键特征，对电影进行深入的分析工作。具体而言，项目旨在实现以下几个任务：首先，对电影特征进行可视化呈现，以便更直观地理解其分布和关系；其次，构建一个能够预测电影票房的算法模型；最后，设计一种多功能且个性化的电影推荐算法。 2. 数据集描述：在票房预测模块中，本项目采用了7398条电影信息的收集数据集，该数据集包含了诸如电影ID、预算、电影主页链接、票房收入、影片语言、影片时长以及用户评分等丰富特征。这些数据均可从中查阅。此外，针对电影推荐模块，本项目还使用了TMDB5000数据集以及部分来自原始电影数据集的数据集。这些数据同样包含了ID、预算、内容简介、关键词等特征，并且包含了一个用户对电影评分矩阵。所有相关数据均可通过链接访问。 3. 实验成果：本研究成功完成了对电影特征的可视化分析任务。同时，项目团队也完成了基于电影特征的票房预测算法的开发与实施。值得一提的是，该算法在Kaggle的TMDB票房预测比赛中取得了显著的成绩，最终位列前6.8%（即95/1400）。