Quantcast
Channel: 《北美大片票房的ln(t)定律》的评论
Browsing latest articles
Browse All 8 View Live

作者:Puriney

“我们R2的数值均在0.8以上,有些甚至高达0.95以上,说明回归拟合的效果非常好” 这句话是认真的么

View Article



作者:itellin

又发这种流氓文章,代码呢?

View Article

作者:史可庆

从电影工业的角度来看,上映后的预测几乎没有任何意义,因为前期的制作宣传费用已经支出了;从文章中看,很同意一楼的观点,0.95的可决系数,敢用么?!最后,如果不能把上映档期和同期上映的其他竞争性影片作为变量放入模型中,我觉得这个模型就更没有价值了…

View Article

作者:larkrise

google有一篇文章,基于search和click的数据提前一周和一个月预测电影的首映票房和后续票房,比这篇还是要有意思点

View Article

作者:haigsky

up+

View Article


作者:小花

不严谨,或者 太不严谨

View Article

作者:vincent

“我们R2的数值均在0.8以上,有些甚至高达0.95以上,说明回归拟合的效果非常好” 不仅不严谨而且几乎没有统计常识。 对于Movie的Revenue 的预测有一篇利用电影上映前用Tweeter中对该Movie推文的发布数量以及转发数量来预测的论文可以参考 “Predicting the Future With Social Media"

View Article

作者:浩028

没有对电影本身考虑全面,比如上映前期观众的期待(受到导演、演员、题材、宣传等影响),可以用社交数据筛选这些变量,上映后的口碑,可以用社交数据和/或imdb等网站的评分;另外,也没有考虑到同档期的电影对本电影的影响。

View Article

Browsing latest articles
Browse All 8 View Live




Latest Images

Pangarap Quotes

Pangarap Quotes

Vimeo 10.7.0 by Vimeo.com, Inc.

Vimeo 10.7.0 by Vimeo.com, Inc.

HANGAD

HANGAD

MAKAKAALAM

MAKAKAALAM

Doodle Jump 3.11.30 by Lima Sky LLC

Doodle Jump 3.11.30 by Lima Sky LLC