AI Summary & Key Takeaways
AI InsightIn our prediction models, we have converted the forecasting problem into a classification problem—rather than forecasting the point estimate of box-office receipts; we classified a movie (based on its box-office receipts) into nine categories, ranging from a “flop” to a “blockbuster.” Herein we present our exciting prediction results where we compared individual models to those of the ensamples.
📌 3 Key Takeaways
Abstract
Hollywood has often been called the land of hunches and wild guesses. The uncertainty associated with the predictability of product demand makes the movie business a risky endeavor. Therefore, predicting the box-office receipts of a particular motion picture has intrigued many scholars and industry leaders as a difficult and challenging problem. In this study, with a rather large and feature rich dataset, we explored the use of data mining methods (e.g., artificial neural networks, decision trees and support vector machines along with information fusion based ensembles) to predict the financial performance of a movie at the box-office before its theatrical release. In our prediction models, we have converted the forecasting problem into a classification problem—rather than forecasting the point estimate of box-office receipts; we classified a movie (based on its box-office receipts) into nine categories, ranging from a “flop” to a “blockbuster.” Herein we present our exciting prediction results where we compared individual models to those of the ensamples.
Özet
Genellikle Hollywood (Amerika’nın sinema endüstrisinin kalbi) sezgi ve tahminler diyarı olarak adledilir. Ürün talebine yönelik kestirimlerdeki belirsizlik film endüstrisini risklerle dolu bir iş alanı haline getirdi. Bu yüzden bir filmin finansal başarısını kestirebilmek pek çok bilim adamı ve endüstri liderlerinin ilgisini çeken zor ve büyüleyici bir problem olarak tanımlandı. Bu çalışmada, büyük bir veri tabanını kullanarak, veri madenciliği yöntemlerinin (yapay beyin ağları, karar ağaçları, destek vektör algoritmaları ve bilgi birleştirme yöntemleri) henüz yapımına başlanmamış bir film projesinin olası finansal getirisini kestirmedeki başarı potansiyelini araştırdık. Kestirim modellerimizde, bu sıradan tahmin problemini sınıflandırma temelli bir kestirim problemine dönüştürdük; yani kesin dolar ($) miktarını tahmin etmek yerine, bir filmin finansal başarısını dokuz sınıftan birine koyan bir kestirim modeli geliştirdik. Bu makalede kullandığımız veri madenciliği modellerinin oldukça başarılı adledilebilecek kestirim sonuçlarını ve model geliştirmede kullandığımız yöntemleri rapor ediyoruz.