PCA 预测 bgm 评分

考虑建立简单的线性回归模型，在开播前期对一部番剧结束后的评分进行估计。

我们可以想到一些影响因子：

• 开播后若干天的评分分布情况。
• 开播之后的热度，包括评论数多少、“在看”人数的多少。
• 动画标签，如 异世界，P.A.WORKS，麻枝准 等等。

在这里，我们选择比较具有代表性的参数：开播 1 天，11 天，21 天后评分为 1_4，56，7_8，910 分的频率和当时“在看”的人数。

首先，从 netabare 上爬取数据，并且剔除一些误差较大的数据，这里获得了 63 个较有效的数据，大多来自近 2 年。

其次，利用主成分分析将数据拍扁到 $n-1$ 维，并且观察最小特征值，在 $0.2\sim 0.9$ 之间说明比较正常。

1

auto R=pca(v);

接下来是调参，合理安排训练组和测试组的大小，最小化测试组的平均误差。如果训练组过大，很可能造成过拟合，导致结果出现很大偏差，但是这个是线性的所以还好。还可以关闭一些相关性较小的变量，避免影响结果。经测试，测试组最好误差可以达到平均 0.21 左右。

然后预测新番，比如：

1
2
3
4
5
6

転天革命
0.88 14.10 74.89 10.13 1202 0.86 12.97 75.79 10.09 1632 0.77 15.33 75.68 7.89 3397
预测：7.21883，置信区间 7.0~7.5
おにまい
1.35 8.10 67.72 22.27 3360 1.48 9.75 70.43 17.64 5325 1.35 9.66 71.07 17.19 5523
预测：7.51096，置信区间 7.3~7.7

就看准不准了。