随机森林回归预测票房
时间: 2023-12-12 10:03:59 浏览: 37
随机森林回归是一种常用的机器学习算法,可以用于预测票房。下面是使用Python中的scikit-learn库进行随机森林回归预测票房的示例代码:
```python
# 导入必要的库
import pandas as pd
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
# 读取数据
data = pd.read_csv('movie_data.csv')
# 特征选择
features = ['具体年', '一年中的具体天', '其他特征1', '其他特征2', ...]
X = data[features]
y = data['票房收入']
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 建立随机森林回归模型
rf = RandomForestRegressor(n_estimators=100, random_state=42)
rf.fit(X_train, y_train)
# 预测测试集
y_pred = rf.predict(X_test)
# 计算均方误差
mse = mean_squared_error(y_test, y_pred)
print('均方误差:', mse)
```
在上面的代码中,我们首先读取了电影数据,然后选择了一些特征作为模型的输入,例如具体年、一年中的具体天等。接着,我们将数据集划分为训练集和测试集,然后建立了一个包含100棵决策树的随机森林回归模型,并使用训练集进行训练。最后,我们使用测试集进行预测,并计算了均方误差作为模型的评估指标。