- 1、本文档共17页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
商务智能与数据挖掘
数据挖掘技术在电影行业中的应用
—基于演员信息调查结果的研究
目录
1商业理解 1
1.1研究背景与目的 1
1.2研究对象 1
1.3研究方法 1
2 数据理解 1
2.1数据的收集 1
2.2.数据预处理 2
3数据准备 2
3.1数据输入 2
3.2数据编码 3
4.建立模型 5
4.1决策树模型 5
4.2关联规则模型 9
4.3 BRP神经网络模型 12
4.3.1 训练 12
4.3.2 测试 14
5. 总结 15
1商业理解
1.1研究背景与目的
在当今的电影行业中,导演在选取演员时很多都是凭感觉和推荐,很好去挖掘演员信息来确定,在薪酬方面也不合理,有些导演为了提高电影票房,一味的去选取知名度较高的明星及所谓的大腕,付予高报酬,大大地增加了其制作成本。本文通过对演员调查信息的分析,找出与收入有关的因素,并分析其规则。为导演在选取演员和决定所付薪水时提供依据,有效地减少制作成本。
1.2研究对象
本文主要以Movie Survey中所调查的演员为研究对象来对演员的Income进行分析,找出其有关因素。
1.3研究方法
主要采用的是决策树技术、关联规则、神经网络3种数据挖掘方法,对大量的演员信息调查数据进行分析与挖掘,最后形成相关数据模型。
2 数据理解
2.1数据的收集
本文主要是以MovieSurvey.mdb中所调查的演员为研究对象,由于所调查的演员数量较多有3500多条,并且某些演员信息不全,经筛选后这里只取了信息完整的,所在国家为United States的Female演员,一共有310条记录。将前200条记录作为训练集,后面110条数据作为测试集。
2.2.数据预处理
由于准备用于挖掘的演员信息表中的属性个数较多,有22个。为了便于决策树模型的建立,选择其中与Income属性相关性较大的Age ,Education Level, Marital Status, Home Ownership, Num Children, Num Cars, Theater Freq 七个属性作为建立Income分类决策树模型的依据,生成新的演员信息基本数据表。
3数据准备
3.1数据输入在数据窗口,选择菜单“文件→新建→数据窗口”,建立一个新的数据文件。Age属性:20~30用“1”表示,30~40用“2”表示,40~50用“3”表示,50~60用“4”表示
变量Education level属性:master’s degree 用“1”表示,Post-Doc用“2”表示,Bachelor’s degree用“3”表示,some college 用“4”表示,Doctorate 用“5”表示,Associate’s degree用“6”表示,Grade School 用“7”表示,high school 用“8”表示。
变量Home Ownership属性:Own用“1”表示,Rent 用“2”表示
变量Marital Status属性:Married用“1”表示,Never Ma用“2”表示,Separate用“3”表示,Other 用“4”表示
变量Num Children属性:用0、1、2、3表示实际个数
变量Num Cars属性:用0、1、2、3、4表示实际个数
变量Theater Freq属性:Rarely用“1”表示,weekly用“2”表示,Monthly用“3”表示,Never 用“4”表示
编码后结果如下
图3-4 编码后数据表(图中为一部分)
4.建立模型
4.1决策树模型
用决策树方法进行挖掘的步骤和结果如下所示:
1.选择数据挖掘—决策树
图4-1 选择数据源
2.选择决策树方法
图4-2
3.数据源、决策树相关设置
其相关设置如图4-4和图4-5所示。
图4-3数据源设置
图4-4 变量设置
图4-5 决策树设置
4.得出统计信息
(1)决策树描述:
所处理记录个数:200;丢弃的记录个数:2;决策树正确率:100.0%,(分裂时一个分支的最小样本数大于2 ,连续值分叉结点的最大分叉数3;生成树方法为信息熵 ;树剪枝的方法:深度剪枝,最大深度为5) (2)决策树结果见图4-6
图4-6 决策树
(3) 决策树变量分类重要性
决策树变量分类重要性
变量名称 重要性 Education Level 87.22 Home Ownership 55.91 Marital Status 100.00 Theater Freq 58.12 Customer ID 62.26 Age 58.02 Num Children 29.32 Num Cars 58.78 表4-7决策树变量分类
您可能关注的文档
- 基于Backstepping方法MIMO过程分散PID控制器设计.pdf
- 基于BIC准则和Gibbs采样有限混合模型无监督学习算法.pdf
- 基于BP神经网络PID控制器设计6.16.doc
- 基于C8051F040单片机温度测控系统.pdf
- 基于CELTSC学习对象元数据本体构建方法研究及实现.pdf
- 基于CGE模型CO2减排对中国经济影响.pdf
- 基于DS18B20PID控制.pdf
- 基于DSPBluetooth嵌入式系统应用.doc
- 基于DSPOFDM系统设计.doc
- 基于DSP车载智能移动报警监控系统设计与实现.pdf
- 6.4 祖国的首都——北京 教学设计-2023-2024学年八年级地理下学期人教版.docx
- 江苏省昆山市锦溪中学八年级信息技术上册 3 多媒体制作工具教案 苏教版.docx
- 2024-2025学年高中语文 第四课 第1节 看我“七十二变”--多义词教案3 新人教版选修《语言文字应用》.docx
- 八年级道德与法治下册 第四单元 崇尚法治精神 第七课 尊重自由平等 第1框 自由平等的真谛》教案 新人教版.docx
- 5.1 磁现象教学设计----2023-2024学年华东师大版八年级下册科学.docx
- 识字 4 田家四季歌(教学设计)2024-2025学年统编版语文二年级上册.docx
- Unit 8 Lesson 44教学设计 2024-2025学年冀教版英语八年级上册.docx
- 4.12 民族大团结 教学设计 2023-2024学年 统编版历史 八年级下册.docx
- 北京市延庆县高中数学 第二章 概率 2.3 随机变量的数字特征 2.3.1 离散型随机变量的均值教案 新人教B版选修2-3.docx
- 第二章 项目范例 教学设计 高中信息技术同步精品课堂(粤教版2019)必修一.docx
最近下载
- 幼儿园伙食培训.pptx VIP
- 新型城镇化背景下乡镇行政管理体制改革的出路.docx
- 第15课 无人机创意飞行-九年级信息科技(浙教版2023).ppt
- c guiqt4编程(第二版)(中文高清pdf扫描版) 随书源码.pdf
- 工贸行业企业岗位安全生产责任清单(参考模板2.0).docx VIP
- 城市社区公共文化服务建设问题及对策研究——以南京市彩霞社区为例.docx
- 篮球运动竞赛的组织与编排工作教案.pdf VIP
- 人教版七年级上册数学期末动点问题压轴题专题训练(含答案).docx VIP
- 包装行业的包装设计与安全标准培训.pptx
- 感恩教师,伴我成长——教师节大会学生国旗下的讲话稿.docx VIP
文档评论(0)