电影评分预测系统的代码

以下是一个简单的电影评分预测系统的Python代码：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

# 读取电影数据集
movies_df = pd.read_csv('movies.csv')

# 筛选特征和目标变量
features = ['budget', 'runtime', 'popularity']
target = 'vote_average'
X = movies_df[features]
y = movies_df[target]

# 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)

# 创建线性回归模型
lr_model = LinearRegression()

# 拟合模型
lr_model.fit(X_train, y_train)

# 预测测试集评分
y_pred = lr_model.predict(X_test)

# 计算模型评估指标（平均绝对误差）
from sklearn.metrics import mean_absolute_error
mae = mean_absolute_error(y_test, y_pred)
print('平均绝对误差：', mae)

以上代码假设你已经有了一个名为`movies.csv`的电影数据集，其中包含电影的预算、时长、人气和平均评分。首先，读取数据集并筛选出用于训练模型的特征和目标变量。然后，将数据集划分为训练集和测试集，以便在训练模型后测试其性能。接下来，使用线性回归算法拟合模型，并使用测试集评估模型的性能。在这个例子中，我们使用平均绝对误差（MAE）作为评估指标。