《唐人街探案3》票房如何，有监督机器学习算法告诉你！

Posted 2021-04-27 AI课工场

点击上方蓝色字体，关注AI 课工场

在人工智能的众多应用方向中，最重要的方向之一便是机器学习，在机器学习中又分为有监督学习、无监督学习、深度学习等，今天我们要介绍的便是有监督机器学习。

有监督机器学习指的是通过有标记的训练样本集去进行学习训练，获得一个最优模型，此后同类的数据可按照此模型进行输入，根据输出的结果进行预测、分类，在像人一样进行思考的道路上实现第一步。常见的有监督学习算法包含线性回归算法、决策树、支持向量机、KNN。

那这些算法具体又是怎么样呢？我们一起来看看吧。为了帮助大家更好的理解、吸收，我们以预测《唐人街探案3》电影票房为例进行讲解～

KNN，即KNearestNeighbors，K个最近的邻居，指的是当预测集中来了一个新的数据时，我们看这个数据距离它最近的K个点分别是什么，从而判断新数据是什么类别。春节档马上上映电影《唐探3》（下图中的小绿点），我们要预测它的票房，这时候可以获取同类电影、同类导演、演员、上映时间、上映时长的电影数据，计算《唐探3》到这些电影（下图中的小红点、小蓝角）之间的距离，看看前K个的值，如果前K个值中大部分是5亿～10一，少部分是低于5亿，少部分是高于10亿，那么预测《唐探3》票房在5-10亿是最可能的。

在KNN算法中，K的值是很重要的，K过小或过大，都会对结果有影响，因此在实际操作中，也需要通过不断的实践，找到最合适的K值。KNN算法的好处是简单、模型训练时间快、预测效果好，缺点是耗内存、速度慢、对不相关的数据规模敏感，因为存储了大量的数据、每个数据逐次计算。当数据量较大时，可以选择使用KNN算法。

线性回归算法，即LinearRegression，线性指的是直线型关系，两个变量之间的关系是一次函数（如y=a*x+b），通过对大量数据进行处理，找到符合数据之间的规律关系，从而对新的值输入时进行结果预测，比较常见的是股价预测、电影票房预测等场景。

以预测春节档马上上映的《唐人街探案3》票房为例，已知数据有电影上映时间、价格、拍摄国家、电影类型、观影时长、演员阵容、上映电影院数量、上映时长、宣传平台、宣传时长、电影票房等数据，基于基准数据，我们可以计算出电影票房与电影之间的关系（y=a1*x1+a2*x2+a3*x3+a4*x4+a5*x5+...+b），再将《唐探3》的对应数据带入之后，大概就能得到预估票房了。

在线性回归算法中，还有一个重要的模型便是损失函数，即用来估量预测值与真实值之间的不一致程度，损失函数越小，模型效果越好，我们可以通过损失函数来调优线性回归模型。

决策树算法，是与线性算法相对的，在决策树中是一个类似N叉树的树形结构，每一个数内部节点代表对特征的一个测试，树的分支代表测试结果，最高层就是根节点。在决策树模型的生成中，一般包含特征选择、决策树生成、决策树修剪三部分，在特征选择中，一般对实例的某一特征进行测试。在构造决策树时，首先把所有的训练数据都放在根节点，选择一个最优特征，按特征把训练数据分割成子集，如果子集可以被正确分类，则继续构造叶子节点，根据测试结果把实例分配到子节点，每个子节点都对该特征的一个取值，不断的进行测试分配，直到所有子集都分配到叶子节点。

我们还是以《唐人街探案3》为例，我们拿到了所有电影的票房数据，并且设定了电影票房的相关属性，包括电影类型、上映时间、拍摄成本、导演水平、演员评价等，通过决策树模型来训练电影票房与对应属性的关系，得到如下决策树模型，我们再把《唐探3》的相关电影属性进行代入，预测电影票房。

预测电影票房只是机器学习中的一种实践，只要有了对应的数据集，我们可以预测房价、股价、天气走势，甚至是疫情走势。人工智能正在让我们的生活变得越来越简单、可控，而其对应的有监督机器学习算法你掌握了吗？今年春节档上映的《唐人街探案3》票房你又预测多少呢？

 推 荐 阅 读 

AI课工场

人工智能也可以如此轻松好玩