imdb電影的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

Python：網路爬蟲與資料分析入門實戰

為了解決imdb電影的問題，作者林俊瑋,林修博 這樣論述：

　　想自動化生活瑣事？想透過程式擷取網路上的公開資訊？學了Python卻不知道有什麼實際應用？正在尋找入門難度低且成就感高的Python專案？想知道網路爬蟲如何與資料分析結合？本書一次教給你！ 　　本書適合閱讀的對象： 　　● 對網路爬蟲程式或資料分析有興趣者 　　● 想自動化生活瑣事（例如自動追蹤網站特價通知、節省資料收集的時間等），化被動資訊接收為主動 　　● Python新手或入門級讀者（知道何謂變數、if 判斷式與迴圈，寫過一些小程式），想練習低門檻及高成就感的Python專案 本書特色 　　● 基於熱門線上課程與實體教學的學員迴響重新編寫及增補而成的實戰書籍

　　 　　● 以台灣讀者熟悉的網站為範例（PTT、Dcard、台灣證交所、蘋果日報網站、Yahoo奇摩電影、Google Maps API、IMDB電影資料庫等）的Python網路爬蟲程式教學 　　● 由淺入深，以實務需求為導向，涵蓋爬蟲常用函式庫、資料儲存、文件編碼、表單及登入頁處理、爬蟲程式被封鎖的常見原因等經驗談 　　● 全新的資料分析章節，包含三個爬蟲程式的經典應用：量化投資、影評情緒分析與商品特價通知

imdb電影進入發燒排行的影片

深度學習網路與社群媒體資料於電影票房之預測

為了解決imdb電影的問題，作者張煜旻 這樣論述：

近年來隨著網路科技日新月異，社群媒體平台已成為許多民眾日常訊息傳播的重要工具。人們可以透過發文或評論等方式闡述自己的想法，進而吸引更多民眾對於相關事件的關注程度。本研究從著名電影資訊網站Box Office Mojo與IMDB中收集所需電影資料，並透過全球數一數二影音社群媒體網站-YouTube中收集預告片相關資料，以及全球前5大社群網站之一的Twitter作為情緒分析資料的來源。 此外，本研究採用基因演算法結合深度信念神經網路-DBN為電影票房收入預測模型，並採用倒傳遞神經網路、廣義回歸神經網路和最小平方支持向量回歸作為比較模型，透過平均交叉驗證後的均方根誤差（Root Mean Squa

red Error，RMSE）和百分比誤差（Mean Absolute Percentage Error）作為誤差指標的評比依據。研究結果發現本研究所提出基因演算法結合深度信念神經網路-DBN預測模型，不僅適用於從社群媒體資訊建構預測模型，更明顯地優於其他預測模型的預測效果。