@crisfun 怎么说？

@BingoXuan 求看产品

一般老板，场地都会有？

@pagecho 你来啦！

@ryanking8215 再怎么加权影响也不大，因为一个分数表达的能力是有限的
比如说，假设一个电影评分分歧很大，50% 1 星, 50% 5 星，你加权出来无论是个什么分数，都没法体现内在的差异.

很 cool, 最近也在想做类似的东西
不知道有没有 graph model，network analysis 相关的书，课程推荐？

@xmadi lz 哭晕在厕所，我都已经研究生毕业了…

@leemail 另外，Amazon/IMDB 这些也是用的平均分，想问你怎么看....

@paulagent @ilotuo

专门拿数据验证了一下，拿计算出来的平均数和官方给的分数取差，直方图分布如下


简单来说，就是实际影响很小

个人估计，豆瓣 /IMDB 有两套评分系统，见 https://www.zhihu.com/question/19627832

另一套，也就是你们说的，更细致的评分，主要应用于 TOP 250. 这也就是为什么分数高的电影，并不一定会在 TOP 250 里面。

另一方面，假设不是平均分，也没关系。文章观点其实很简单 —— 当你使用一个数值来代表观众整体观点的时候，什么时候这个数值是有效的，什么时候这个数值是无效的？

对豆瓣电影来说，近似当作平均值来考虑（就上图所证明的），那么，当大家看法接近的时候，这个分数是有效的；当大家看法相差很大的时候，这个分数的代表性就不足了。这里只是用标准差作为一个量化标准而已。也完全可以采用其他更严谨的指标.

不知道这样是否还有问题？

@paulagent 这个点不错
之前没有仔细验证，我算一算回来跟你讨论一下

@zingl ....比如代写和当枪手....

一年 2K....好心酸....

@leemail
http://technocalifornia.blogspot.com/2011/04/recommender-systems-were-doing-it-all.html
https://news.ycombinator.com/item?id=2423313

读到了这两篇，感觉非常受教，谢谢你！

@leemail 啊...确实都不知道...感觉犯了大错...非常感谢你的指出！（我是当作离散值来理解的）

不知道这方面有什么可以学习的?

https://stats.stackexchange.com/questions/67551/calculate-mean-of-ordinal-variable

我查到的貌似是有争议？

@Icemic
@Yinz

聚类怎么做的：我就是把 5 个各占的比例输进去，作为输入条件

你们可能想问的是：为什么只有这几种组合？

理论上，会有多得多的组合。比如凹形，五星和一星各占 40%? 但问题在于，这种分布的形状，在数据里并不存在，或者极少。所以并没有。完全可能的形状, 值域都是可以模拟出来的(用 dirclet 做就可以了)。

换句话说，能够得到的聚类结果，是实际数据中存在的情况。本身数据就大概只有这些类型。

不知道这个是否是你想问的

当然，也可能把 STD 作为一个额外的 feature 放进去做聚类，但是我感觉效果不是特别好。

@Icemic 按照正态特性画直线是啥意思? 怎么做?

用 Kmeans 因为是基本的聚类啊...我就传数据进去看看结果，结果感觉还不错就用了.

@leemail 可以具体说说，问题在哪里？

@Yinz 代码里面有
直接把电影的 5 个百分比输进去，然后看聚类的结果
实际就是可以分很细，也可以分很粗，取决于你想分成多少种。还可以分得更细，比如均值为 6 的，可以分成 4 星占多还是 2 星占多的，其他类似。

当然，从 Cross validation 的曲线来看, 6-7 的样子基本上就收窄了.

@lxy 但从产品的使用角度来说，太麻烦了，而且大多数时候，电影的表现是相对比较平均的
所以我觉得可以这样思考这个问题，但是产品这样设计有太多不便。毕竟我们也就是 2C，个人评价一下而已

@yiciyuansky 评分分布有，但是“评分分布”的分歧程度的“大小”，没有。所以很多人不会注意到这点。而且这个和人群一致性无关，是豆瓣电影打分的受众并不小众（摔跤吧爸爸有 30W 了）。我们并不是要追求一个“一致性”的评分，而是知道什么时候这个评分是无效的。