， 回归该式：
， 获得一组
。 他的寄义是， 我们要用每一个区县的特征， 去诠释为何分歧的区县会对这部片子有纷歧样的「偏心」水平 。
举一个例子， 此刻有 100 小我， 50 个汉子 50 个女人， 本年总共看了 30 次片子， 汉子看了 15 次， 女人看了 15 次 。
此中有一部片子叫做《刺激的动作片》， 汉子看了 10 次， 女人看了 5 次 。 那么
从上式我们发现， 当性别从女性酿成男性的时辰， 对《刺激的动作片》的偏心水平从
上升到
， 带来了一个效应为
的上升 。 是以有：
这样， 就把性别对《刺激的动作片》的偏好影响估算出来了 。 我们对每个片子都做如斯回归， 半斤八两于是把 3000 多个区市县算作 3000 个具有分歧特征的人， 经由过程这 3000 个「人」的分歧特征和对片子的分歧偏好， 把所有生齿特征对所有片子的偏好给算出来 。
6， 利用性别比例、平均教育水平和春秋布局三个特征， 我们回归计较了所有片子， 记实下所有系数， 这样每个片子城市酿成一个三维的标的目的量 。 好比《复仇者联盟》， 我们就有三个数值：
对所有的片子， 我们都有这三个数值 。 前 20 名的片子的系数表格如下：
拔取 2012 到 2018 年所有不雅影人次在 1000 万以上的片子， 将三个数值别离作为一个三维空间的 x、y 和 z 轴作图， 可得下图：
在上面的三维坐标中， 大于零的部门暗示性别越偏男性 / 教育越高 / 春秋越小 越偏好于这部片子 。 用不雅影人次排名前 20 的片子举例， 具体表格如下：
这个算法准禁绝呢？我们可以做一个查验， 看每一个点的比来的邻人别离是谁——两个在三维空间里距离较短的点， 申明两者的不雅影人群十分近似 。 我们尝试了四部分歧类型的片子， 别离找到离这四部片子比来的 5 个点， 成果如下：
可以看到， 在空间上最接近的几个影片有不异的不雅众偏好， 一般也处在统一个范围内 。 好比到《复仇者联盟 2》距离比来的 5 部片子， 有 4 部是漫威出品；在距离《熊出没·变形记》比来的 5 部片子中， 有 4 部都是熊出没的系列片 。
从直觉上看， 这个算法仍是能很是精确地将片子给划分隔来的 。
出格有趣的是《战狼 2》， 距离他比来的五个点别离是——
1， 小时代 3：刺金时代
2， 小时代 4：魂灵绝顶
3， 佳丽鱼
4， 捉妖记
5， 小时代：青木时代 。
这申明《战狼 2》的不雅影人群画像， 和《小时代》系列是十分近似的 。 出格让人惊奇的是， 和我们的印象分歧， 《小时代》的性别系数和《战狼 2》一样， 都是正的， 申明男性越多的地域， 反而越偏好《小时代》 。猜你喜欢
- 猫嗓子哑了是什么造成的
- 为什么春茶好而夏茶出了问题？
- 微信如何知道对方是否删除了你？
- 猫咪生病了不吃东西怎么办
- 怎么升级miui9
- 怎么强制关闭程序
- “粗枝大叶”的黄大茶，你了解吗？
- 立春了手抄报
- 煎饺 速冻锅贴怎么煎？
- 喝茶等于喝农药?我们又被套路了吧