پیش بینی میزان موفقیت یک فیلم

هدف ما پیش بینی میزان موفقیت یک فیلم است. سعی داریم که برای این پیش بینی، الگوریتم های کلاس بندی را با یکدیگر مقایسه کنیم و نتایج آن ها را مورد بررسی قرار خواهیم داد. الگوریتم هایی مانند: Decision Tree , Neural Network . K Nearest Neighbors, Gaussian Naïve Bayes, Random Forest, با مقایسهی صحت این الگوریتم ها با یکدیگر، نهایتا به یک جمع بندی برای مقایسه نحوه عملکرد این الگوریتم ها در پیش بینی میزان موفقیت یک فیلم خواهیم رسید. همچنین قصد داریم با استفاده از آن ها میزان اهمیت هر یک از ویژگی های داده را و تاثیر آن بر پیش بینی و نحوهی عملکرد الگوریتم ها را بررسی کنیم. اینکه بدانیم کدام ویژگی بر کدام الگوریتم تاثیر به سزایی دارد و همچنین اینکه بدانیم کدام الگوریتم برای هدف ما مناسب تر است و بررسی علل آن از اهداف مهم این مقاله است. برای هنرمندان نیز این مسیله که میزان موفقیت یک فیلم به چه ویژگی هایی بستگی دارد و حتی پیش بینی این مسیله که رای مخاطبان به فیلم آن ها چگونه خواهد بود، حایز اهمیت است.

کلیدواژه ها:

الگوریتم ، پیش بینی ، Neural Network ، صحت ، موفقیت