为2020年奥斯卡机器学习预测评分beplay 世界杯

2020年的奥斯卡周日晚在加州好莱坞上映，创造了一些历史性的第一个夜晚。据报道，这是连续第二届没有主持人的颁奖典礼，现场直播的是2360万观众，这一数字低于去年的2960万观众总数。尽管目前所有颁奖典礼广播的收视率都在下降，但奥斯卡颁奖典礼仍以健康的优势占据了主导地位，观众人数持续下降社交媒体的反响事件发生后的几天。

那么，我们今年的预测做得如何呢?

简单的回答是8个预测中有5个是正确的．考虑到如果我们雇佣黑猩猩在印有提名者名字的棋盘上随机投掷飞镖，我们这些毛茸茸的朋友需要3125次尝试才能猜出我们猜对的5个奖项，这一点就没那么糟糕了。(注:对于你这个超级怪才来说，8分满分的你平均可以让黑猩猩队尝试703125次。)至于人类专家，我们也不知道有哪位高调的影评人获得了所有奖项。

因此，可以肯定地说，我们的模型确实从过去获奖数据的一个相当小的样本（1288条记录）中获得了一些合法的信号。更具体地说，是积极的例子的数量（在过去20年中，某一类别中只有20名获奖者）在每一个测试中，测试集都非常小，这为潜在的测试打开了大门过度装配.将其与从一台机器上的传感器收集的数百万个数据点进行对比，这些数据点可以建模，从而做出更可靠的预测。

事实证明，BigML并不是唯一一个错beplay2网页登陆过了今年一些备受瞩目的奖项预测的人。有些人指望1917刚刚赢得金球奖，把那个大的带回家而其他人则应用“大众智慧”的方法得出同样的结论这些方法似乎不仅在预测准确性方面存在不足(在较小的数据集中可能会出现这种情况)，而且因为它们既没有描述一个可重复的、端到端过程，也没有为相关方共享一个公共数据集——还需要做更多的工作。

当我们分析上面表格中我们的失误时，我们挥棒了，但是没有击中最佳影片,最佳导演和最佳改编剧本获奖，但做得很好最佳原创剧本以及所有四个演员和女演员类别。毫无疑问，是韩国寄生虫逆势而行成为第一部获得大奖、最佳影片和最佳导演的外语片(锣俊Ho)，与我们令人尊敬但不太完美的结果有很大关系。

一般来说，机器学习模型，例如我们为这个项目建立的分类模型，依赖于新呈现的数据的假设不会大幅偏离从他们训练的历史数据集。虽然这有助于产生稳健的结果，在大多数情况下具有统计意义，但它也可能错过偏离标准的重要点，就像我们在周日看到的那样。

公平地说，我们的模型有寄生虫以82/100的第二好成绩参加比赛最佳影片只留下一个奖项很久以前……在好莱坞.我们在帖子中提到寄生虫不能排除获胜的可能性。同样的,俊Ho锣得到了55/100的分数最佳导演这个奖项可以解释为55%的获胜概率，这本身就足够显著了。

如果我们把寄生虫在“显微镜”下（抱歉，忍不住：），我们看到了原版犯罪剧的制片人和导演不知疲倦地竞选在许多国际电影节上激起基层民众的兴趣，这帮助他们的势头进入票房的旋律美国3500万美元以上，全球1.65亿美元．对于一个亚洲公司来说，这已经很了不起了只有区区1100万美元的预算．

在过去的几十年里，像美国狮门影业这样的电影公司都有完善了游戏让更小的预算电影打出超出他们重量的效果2006意外赢家,崩溃.另一方面，去年，我们目睹了亚历杭德罗·冈萨雷斯·伊尼亚里图墨西哥生产罗马(另一部有字幕的外语影片)是最受欢迎的影片之一。然而,罗马尽管有艺术片评论家的好评，该片的票房仅略高于100万美元。因此，在2020年的奥斯卡颁奖典礼上，不仅是影评人喜爱的外语片，也是全世界和美国观众喜爱的外语片的完美风暴可能正在我们眼前酝酿。

这也许是非常合适的寄生虫的重大胜利与被称为最佳外语片“授予”最佳国际剧情片正如这一可喜的变化所表明的，学院正在适应更包容的观点，认为世界电影不是“外国”或“其他”，而是世界电影的一部分更广泛的电影景观．这使我们有动力在明年扩展我们的数据集，以涵盖更多的国际节日，例如戛纳和多伦多国际电影节(TIFF)．这可能有助于捕捉全球影迷更完整的情绪。

上一个我们预测错的奖项是最佳改编剧本.获胜者，乔乔兔，百分之一的分数很低，但仍成功击败爱尔兰人的这有67个。我们将把这归咎于“大遗漏”，不得不承认，我们必须做一些更深入的挖掘，看看是否有一个角度我们忽略了，甚至是一个潜在的数据问题。

有了这个包装，就像ML-as-a-Service的先驱在BigML这里beplay2网页登陆，我们欢迎您构建自己的模型，希望能够超越我们在这里共享的模型，这样我们也可以向您学习一些技巧电影2000-2019数据集是公开的在这个练习中，你可以提前了解获奖者，但这可能对2021年奥斯卡颁奖典礼有很大的帮助。让我们知道你的结果是如何在推特上公布的@beplay2网页登陆bigmlcom或者给我们一张纸条feedback@beplay2网页登陆beplay体育官网网站bigml.com随时