为2021年奥斯卡机器学习预测评分beplay 世界杯

在经历了电影制作和演艺业的艰难一年之后，重新安排的2021年奥斯卡颁奖典礼在周日晚上颁奖，标志着今年颁奖季的结束。最终，历史将更好地评判获奖的表演和作品，以及按照学院标准举行的无主人、低调的仪式。然而，就亮点而言，很少有人会想到：

• 这是一种完全不同的形式，没有粉丝，一旦疫情完全过去，这种形式很可能会被抛弃
• 各种各样的获奖者的标题是赵丽娟(游牧地)她成为第一位获得最佳导演奖的有色人种女性
• 弗朗西斯·麦克多曼(游牧地)抓起她的第三尊雕像-干得好！
• Yuh Jung Youn(Minari)延续去年韩国的惊人成功寄生生物
• 还有一个出人意料的电影最佳男主角奖得主安东尼·霍普金斯(父亲)和一个草率的结局都要归功于他没有出席.

令人惊讶的是，83岁的霍普金斯如今是有史以来获得奥斯卡奖的最年长的人，他超越了克里斯托弗·普卢默，给了我们凡人一些希望，希望“第二幕”永远不会太迟，因为他几年来为数不多的天才一直在我们的银幕上亮相，事后看来，他在电影中的出色表现令人赞叹父亲尽管已经很晚了，但我们应该更认真地对待它查德威克博斯曼他似乎坚如磐石的领先地位。

请给我鼓轮…

那么这次我们的预测结果如何呢？快速的答案是我们八个预测中有四个是对的. 乍一看，50%的命中率并没有给人留下多少印象。听起来你几乎可以抛硬币得到同样的结果。但考虑到我们预测的七项奥斯卡提名中的五项，再加上八项最佳影片提名，我们实际上要处理60多万个组合。所以，即使我们得到了四个正确的答案，如果纯粹是出于运气的话，也相当于1000分之一的概率。

当然，我们需要重申，我们所有的模型都是基于过去获奖数据的一个相当小的样本（1345部电影）。更具体地说，在每个测试集中，正面例子的数量（在过去21年中，某一类别中只有21名获奖者）非常少，这可能导致过度装配. 与之相比，大多数工业规模的机器学习应用程序通常会摄取数百万个数据点，以得出预测结果。

预测准确率只是游戏的一半。在这个有趣的年度转移中，Bigbeplay2网页登陆ML方法的独特之处在于它提供了一个构建在公共共享数据集之上的可重复的端到端流程。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)依赖于这样一个假设:新呈现的数据不会与训练它们的历史数据集有很大的偏差。虽然这有助于产生在大多数情况下具有统计意义的稳健结果，但随着投票模式或选民小组的演变，它也可能错过偏离常规的重要点。

尽管如此，我们一直在寻找改进的方法。关于我们失误的一些解释可以在网上找到一些专家声称那个父亲索尼经典电影公司特意安排了完美的发行时间，在奥斯卡奖的投票人中建立了势头。目前，我们还没有直接考虑到这些近期效应或社交媒体嗡嗡声的变量（例如，选定推特账户中的影评人情绪）。然而，这些可能是未来很好的补充。

还有一件事…

下表汇总了我们过去对2018年至2021年奥斯卡的所有预测以及相应的点击率。除了我们在过去的博客中每年分享的顶级选项卡之外，本表还列出了如果我们同时考虑到最高两个（前2）或三（前3）分数的电影，准确性度量如何提高。仅排名靠前的选秀就有70%的平均命中率，而排名前三的覆盖率达到了90%。

另一方面，我们在2019年以后增加的剧本类别似乎更具挑战性，可能是因为它们有自己的怪癖。例如，与我们所考虑的电影行业重量级奖项不同的一套奖项可能更能说明那些带有文学色彩的杂交类别。如果我们把他们排除在外，在过去的四年里，前三名只差一次：2020年的《完美风暴》中的冯俊镐（寄生虫）虽然是我们模特的第四选择，但还是夺得了奥斯卡最佳导演奖。

作为ML-as-a-Service的先驱在BigML，我beplay2网页登陆们欢迎您与公众建立自己的模型电影2000-202.0数据集. 这是一种快速测试机器学习技能的好方法，无需下载和安装许多开源软件包，也无需担心兼容性问题或难以破译的错误消息。需要1分钟才能完成创建一个免费帐户并将电影数据集克隆到您的帐户。就像那样，您正在运行ML任务。一如既往，让我们知道你在Twitter上的结果如何@beplay2网页登陆bigmlcom，或随时发送便条给我们feedback@beplay2网页登陆beplay体育官网网站bigml.com!