基于机器学习的多分类Logistic回归

黄恋舒 夏启政

摘  要：票房与评分作为评价一部电影最重要的两个方面，传统研究考虑他们的影响因素时，只考虑多个影响因素对其中一个因素的影响（即“多对一”）。本文提出基于多分类Logistic回归模型，构造一种单一影响因素对多个因素（即“一对多”）是否产生影响的分析方法，并从理论角度对该方法给予了证明;并将该方法应用在2017年和2018年国产电影数据中，分析了明星影响力对电影票房评分两方面的影响，发现明星影响力对电影票房评分没有显著影响。

关键词：多分类Logistic回归;影响因素筛选;明星影响力

中图分类号：TP181      文献标识码：A 文章编号：2096-4706（2019）21-0022-04

Abstract：Box office and scoring are the two most important aspects of evaluating a film. When traditional research considers their influencing factors，only the influence of multiple influencing factors on one of the factors （more to one） is considered. This paper proposes an analysis method based on multi-class Logistic regression model to construct whether a single influencing factor affects multiple factors （one to more），and proves the method from a theoretical perspective. In addition，we applies the data of domestic films of China in 2017 and 2018，and analyze the influence of star on the movie box office and score. We find that the star has no significant effect on the movie box office and score.

Keywords：multi-class Logistic regression;selection of factors;star influence

0  引  言

近年来，中国电影市场蓬勃发展，呈现出百花齐放的景象。一部电影的成功往往主要由电影票房与评分两个方面决定。一般而言，票房决定了电影的经济效益，评分决定了电影的文化效益。所以研究电影票房与评分的影响因素，也成了现在学术界对电影研究的主要方面。

但是这些研究往往只关注了票房或者评分其中一个方面，没有考虑影响因素对二者整体的影响。本文基于多分类Logistic回归模型，将电影离散化为“高分高票房”“高分低票房”“低分高票房”“低分低票房”四类，在机器学习视角下，分析预测了影星这一影响因素在同一电影类别中所发挥的作用存在的差异，进一步分析影星对于电影票房与评分整体的影响。

1  文献综述

对于电影票房的影响因素分析，早在20世纪80年代，Litman[1]就使用回归的方式……