Python电影数据分析平台 Flask框架 Stacking集成学习 电影推荐与票房预测系统（KNN算法+Echarts 源码+文档）✅

博主介绍：✌全网粉丝10W+,前互联网大厂软件研发、集结硕博英豪成立工作室。专注于计算机相关专业项目实战6年之久，选择我们就是选择放心、选择安心毕业✌
> 🍅想要获取完整文章或者源码，或者代做，拉到文章底部即可与我联系了。🍅

点击查看作者主页，了解更多项目！

🍅感兴趣的可以先收藏起来，点赞、关注不迷路，大家在毕设选题，项目以及论文编写等相关问题都可以给我留言咨询，希望帮助同学们顺利毕业 。🍅

1、毕业设计：2026年计算机专业毕业设计选题汇总（建议收藏）✅

2、大数据毕业设计：2026年选题大全 深度学习 python语言 JAVA语言 hadoop和spark（建议收藏）✅

1、项目介绍

• 技术栈：Python语言、Flask框架、MySQL数据库、requests爬虫、Echarts可视化大屏、推荐算法（Surprise库KNNWithZScore）、HTML、机器学习集成学习（Stacking模型融合决策树/Lasso/随机森林/GDBT（梯度提升树）4个算法）
• 这个项目的研究背景：数字化时代视频内容消费爆炸式增长，用户面临海量电影“选择困难”，传统推荐机制泛化性差、精准度低，难以匹配个性化偏好；同时电影行业缺乏可靠的票房预测工具，依赖经验判断导致内容创作与营销策略盲目，且电影数据（信息、评论、票房）分散，人工采集分析效率低，这些痛点制约用户体验与行业精细化发展。
• 这个项目的研究意义：技术层面，通过Stacking模型融合4个算法提升票房预测精度，KNNWithZScore算法优化推荐效果，requests爬虫解决数据分散问题，Echarts降低数据理解门槛；用户层面，提供个性化推荐、直观可视化及便捷信息查询，减少选片时间；行业层面，为电影行业提供受众需求洞察与票房预测参考，助力内容创作与营销精细化，推动行业数据驱动发展。

2、项目界面

（1）电影数据可视化大屏

（2）电影评论数据可视化分析大屏

（3）电影数据

（4）电影票房预测

（5）电影推荐

（6）电影信息管理

（7）用户信息管理

（8）后台数据管理

（9）注册登录

3、项目说明

本项目是基于Python+Flask框架+MySQL数据库开发的电影推荐与票房预测系统，整合requests爬虫、Echarts可视化及机器学习算法，覆盖“数据采集-分析-预测-推荐-管理”全流程，旨在解决电影行业用户选片难、票房预测不准、数据利用低效的问题。

（1）数据采集与存储

系统通过requests爬虫技术定向采集豆瓣等平台的电影数据（含名称、类型、评分、评论、票房相关信息），经数据清洗（过滤无效数据、补全缺失值）后存储至MySQL数据库，为各功能模块提供结构化数据支撑；同时数据库兼顾用户信息（账号、偏好）、评论数据的存储，保障数据完整性与查询效率。

（2）核心算法模块实现

① 电影票房预测模块（Stacking集成学习）

采用Stacking模型融合4个机器学习算法（决策树、Lasso、随机森林、GDBT梯度提升树）：以4个基础算法作为第一层模型，对历史票房数据（如电影类型、评分、上映档期、演员热度等特征）进行训练，将其输出结果作为第二层模型的输入，通过集成优化降低单一算法的偏差与方差，最终提升票房预测精度，为电影行业提供可靠的票房参考。

② 电影推荐模块（KNNWithZScore算法）

基于Surprise库实现KNNWithZScore推荐算法（核心代码位于app/home/wals.py）：首先对用户电影评分数据进行训练，通过交叉验证计算RMSE（均方根误差）与MAE（平均绝对误差）指标；然后测试不同K值（近邻数量）对模型的影响，绘制“平均RMSE/MAE随K值变化曲线图”，筛选出最优K值；最后基于最优模型，根据用户历史评分与相似用户偏好，生成个性化电影推荐列表，解决传统推荐“泛化不准”的问题。

（3）数据可视化展示

借助Echarts可视化大屏实现多维度数据呈现：

• 电影数据可视化大屏：展示电影总量、评分分布、类型占比等核心指标；
• 评论数据可视化大屏：通过词云、折线图等呈现用户评论情感倾向、热门评论关键词；
• 辅助图表（如电影数据列表、分类统计）：帮助用户快速把握电影信息，管理员直观了解数据动态。

（4）用户角色与功能模块

系统支持三级角色登录（普通用户、管理员、后台管理员），功能模块按需分配：

• 普通用户：通过注册登录使用电影浏览、评论查看、个性化推荐接收、个人信息维护功能，降低选片难度；
• 管理员：负责电影信息管理（增删改查电影数据）、用户信息管理（维护用户账号），保障数据有序性；
• 后台管理员：监控爬虫任务、查看系统日志、管理推荐与预测模型参数，确保系统稳定运行。

整体而言，系统通过技术整合实现“算法精准性+功能完整性+操作便捷性”的统一，既满足用户个性化观影需求，又为电影行业提供数据驱动的决策工具，具备较强的技术深度与实际应用价值。

4、核心代码

import re
import os
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from sklearn.ensemble import RandomForestRegressor, GradientBoostingRegressor
from sklearn.metrics import make_scorer, mean_squared_error
from sklearn.metrics import r2_score
from sklearn.model_selection import GridSearchCV, train_test_split
from sklearn.model_selection import KFold
from sklearn.tree import DecisionTreeRegressor
from sklearn.linear_model import LinearRegression as LR, Lasso
import joblib
import seaborn as sns
model_save_path = r'./app/dataset/testModel/'
if not os.path.exists(model_save_path):
    os.makedirs(model_save_path)
data = pd.read_csv(r"./app/dataset/ana_result/piaofang_info.csv")
data = data.iloc[:, [2, 3, 4, 5, 7, 9, 10, 11]]
X = data.iloc[:, 0:7]
y = data.iloc[:, 7].apply(lambda x: x / 10000)
# 标签经过 log1p 转换，使其更偏向于正态分布
y = np.log1p(y)

# 数据集划分
train_X, test_X, train_y, test_y = train_test_split(X, y, test_size=0.2, random_state=1)

oof_df = pd.DataFrame()
test_oof_df = pd.DataFrame()

def performance_metric(y_true, y_predict):
    """ Calculates and returns the performance score between
        true and predicted values based on the metric chosen. """

    # 计算 'y_true' 与 'y_predict' 的r2值
    score = r2_score(y_true, y_predict)

    # 返回这一分数
    return score

def fit_dtr_model(X, y):
    cross_validator = KFold(n_splits=5)
    regressor = DecisionTreeRegressor(random_state=1)
    # Create a dictionary for the parameter 'max_depth' with a range from 1 to 10
    params = {'max_depth': [i for i in range(1, 11)]}
    # Transform 'performance_metric' into a scoring function using 'make_scorer'
    scoring_fnc = make_scorer(performance_metric)
    # Create the grid search cv object --> GridSearchCV()
    grid = GridSearchCV(regressor, params, scoring=scoring_fnc, cv=cross_validator)
    # Fit the grid search object to the data to compute the optimal model
    grid = grid.fit(X, y)
    dtr_max_depth = grid.best_estimator_.get_params()['max_depth']

    # Return the optimal model after fitting the data
    return dtr_max_depth


def fit_decision_tree_model_forcast():
    # 进行决策树预测模型的训练
    dtr_max_depth = fit_dtr_model(X, y)
    dtr_regressor = DecisionTreeRegressor(max_depth=dtr_max_depth)
    dtr_regressor.fit(X, y)
    pred_y = dtr_regressor.predict(test_X)
    test_oof_df['dtr'] = pred_y
    r2_score = performance_metric(test_y, pred_y)
    rmse_score = np.sqrt(mean_squared_error(pred_y, test_y))
    print('决策树回归模型评价指标为：')
    print("The R2 score is ", r2_score)
    print('均方差', rmse_score)

    joblib.dump(dtr_regressor, model_save_path + 'dtr_model.pkl')
    return rmse_score


def fit_lasso_model_forcast():
    # 进行Lasso预测模型的训练
    lasso_regressor = Lasso()
    lasso_regressor.fit(X, y)
    pred_y = lasso_regressor.predict(test_X)
    test_oof_df['lasso'] = pred_y
    r2_score = performance_metric(test_y, pred_y)
    rmse_score = np.sqrt(mean_squared_error(pred_y, test_y))
    print('Lasso回归模型评价指标为：')
    print("The R2 score is ", r2_score)
    print('均方差', rmse_score)

    joblib.dump(lasso_regressor, model_save_path + 'lasso_model.pkl')
    return rmse_score


def fit_random_forest_regression_model():
    rf_model = RandomForestRegressor()
    rf_model.fit(X, y)
    pred_y = rf_model.predict(test_X)
    test_oof_df['rf'] = pred_y
    r2_score = performance_metric(pred_y, test_y)
    rmse_score = np.sqrt(mean_squared_error(pred_y, test_y))
    print('随机森林模型评价指标为：')
    print("The R2 score is ", r2_score)
    print('均方差', rmse_score)
    joblib.dump(rf_model, model_save_path + 'rf_model.pkl')
    return rmse_score


def fit_gdbt_model():
    gdbt_model = GradientBoostingRegressor()
    gdbt_model.fit(X, y)
    pred_y = gdbt_model.predict(test_X)
    test_oof_df['gdbt'] = pred_y
    r2_score = performance_metric(pred_y, test_y)
    rmse_score = np.sqrt(mean_squared_error(pred_y, test_y))
    print('GDBT模型评价指标为：')
    print("The R2 score is ", r2_score)
    print('均方差', rmse_score)
    joblib.dump(gdbt_model, model_save_path + 'gdbt_model.pkl')
    return rmse_score


def fit_stacking_model():
    lr_model = LR()
    lr_model.fit(test_oof_df, test_y)
    pred_y = lr_model.predict(test_oof_df)
    r2_score = performance_metric(pred_y, test_y)
    rmse_score = np.sqrt(mean_squared_error(pred_y, test_y))
    print('Staking模型评价指标为：')
    print("The R2 score is ", r2_score)
    print('均方差', rmse_score)
    joblib.dump(lr_model, model_save_path + 'stacking_model.pkl')
    return rmse_score


def forcast_piaofang(para):
    para = pd.DataFrame(para)
    # 加载决策树预测模型
    dtr_model = joblib.load(model_save_path + 'dtr_model.pkl')
    dtr_pred = dtr_model.predict(para)
    print("决策树预测票房%s万" % np.expm1(dtr_pred[0]))
    # 加载Lasso预测模型
    lasso_model = joblib.load(model_save_path + 'lasso_model.pkl')
    lasso_pred = lasso_model.predict(para)
    print("Lasso预测票房%s万" % np.expm1(lasso_pred[0]))
    # # 加载随机森林预测模型
    rf_model = joblib.load(model_save_path + 'rf_model.pkl')
    rf_pred = rf_model.predict(para)
    print("随机森林预测票房%s万" % np.expm1(rf_pred[0]))
    # 加载GDBT预测模型
    gdbt_model = joblib.load(model_save_path + 'gdbt_model.pkl')
    gdbt_pred = gdbt_model.predict(para)
    print("GDBT预测票房%s万" % np.expm1(gdbt_pred[0]))
    # return [dtr_pred, lr_pred]
    return [[dtr_pred[0], lasso_pred[0], rf_pred[0], gdbt_pred[0]]]

核心代码块二：

# 用于训练多个模型并计算它们的 RMSE（均方根误差）分数，并将结果保存到一个 CSV 文件中。
def train_model():
    dtr_rmse = fit_decision_tree_model_forcast()  # 决策树
    lasso_rmse = fit_lasso_model_forcast()           # Lasso
    rf_rmse = fit_random_forest_regression_model()   # 随机森林
    gdbt_rmse = fit_gdbt_model()         # GDBT
    lr_rmse = fit_stacking_model()      # 将返回的堆叠模型的 RMSE 分数赋值给变量lr_rmse
    rmse_result = pd.DataFrame(index=["决策树", "Lasso", "随机森林", "GDBT", "Stacking"])
    rmse_result['rmse_score'] = [dtr_rmse, lasso_rmse, rf_rmse, gdbt_rmse, lr_rmse]  # 将之前计算得到的各个模型的 RMSE 分数添加到rmse_result数据帧中的rmse_score列中。
    rmse_result.to_csv("../dataset/testModel/rmse_result.csv", encoding='utf-8', index=False)  #将rmse_result数据帧保存为一个 CSV 文件


def test_model():
    # 1965, 12, 8.9, 1, 3, 29, 132
    # 1295124,辛德勒的名单,1993,11,9.6,3,"['剧情', '历史', '战争']",1,['美国'],48,195,322161245
    # 10876425,印式英语,2023,02,8.1,3,"['剧情', '喜剧', '家庭']",1,['印度'],13,133,10299150
    # 35267208,流浪地球2,2023,01,8.4,3,"['科幻', '冒险', '灾难']",1,['中国大陆'],50,173,8394962

    test_para = pd.DataFrame([[2022, 2, 8.4, 3, 1, 50, 173]])
    test_piaofang = 8394962 / 10000
    print("真实票房%s万" % test_piaofang)
    pred_list = forcast_piaofang(test_para)
    # 加载线性回归预测模型
    stacking_model = joblib.load(model_save_path + 'stacking_model.pkl')
    piaofang = stacking_model.predict(pred_list)[0]
    piaofang = round(np.expm1(piaofang), 2)
    print("Stacking预测票房%s万" % piaofang)
    return piaofang


def forcast(para_list):
    # 根据传入的参数列表，进行票房预测
    pred_list = forcast_piaofang(para_list)
    # 加载线性回归预测模型
    stacking_model = joblib.load(model_save_path + 'stacking_model.pkl')
    piaofang = stacking_model.predict(pred_list)[0]
    piaofang = round(np.expm1(piaofang), 2)
    print("Stacking预测票房%s万" % piaofang)
    return "预测票房%s万(美元)" % piaofang


def vis_relation(x1, y1, name1):
    fig = plt.figure(1, figsize=(9, 5))

    # plt.plot([0,400000000],[0,400000000],c="green")
    plt.scatter(x1, y1, c=['green'], marker='o')
    plt.grid()
    plt.xlabel("piaofang", fontsize=10)
    plt.ylabel(name1, fontsize=10)
    plt.title("Link between piaofang and %s" %name1, fontsize=10)
    plt.savefig('../dataset/pictures/piaofang_%s.png' %name1)
    plt.close()


# 分析票房预测使用的所有属性与票房之间的关系并绘制散点图，分析所有属性之间的相关度绘制热力图
def ana_columns():
    year_list = list(data.iloc[:, 0])
    month_list = list(data.iloc[:, 1])
    rating_list = list(data.iloc[:, 2])
    movie_type_count_list = list(data.iloc[:, 3])
    country_count_list = list(data.iloc[:, 4])
    actor_count_list = list(data.iloc[:, 5])
    runtime_list = list(data.iloc[:, 6])
    piaofang_list = list(data.iloc[:, 7])

    vis_relation(piaofang_list, year_list, 'year')
    vis_relation(piaofang_list, month_list, 'month')
    vis_relation(piaofang_list, rating_list, 'rating')
    vis_relation(piaofang_list, movie_type_count_list, 'movie_type_count')
    vis_relation(piaofang_list, country_count_list, 'country_count')
    vis_relation(piaofang_list, actor_count_list, 'actor_count')
    vis_relation(piaofang_list, runtime_list, 'runtime')

    # 相关关系可视化
    col = ['year', 'month', 'rating', 'movie_type_count', 'country_count', 'actor_count', 'runtime', 'piaofang']
    plt.subplots(figsize=(14, 10))
    corr = data.corr()
    print(corr)
    corr.to_csv("../dataset/ana_result/piaofang_info_corr.csv", encoding='utf-8')

    sns.heatmap(corr, xticklabels=col, yticklabels=col, linewidths=.5, cmap="Reds")
    plt.savefig('../dataset/pictures/corr.png')


if __name__ == '__main__':
    # 四个机器学习算法构建票房预测模型，然后Stacking集成所有的算法模型，构建最终的票房预测模型
    train_model()
    # 模型测试
    piaofang = test_model()
    # 分析票房预测使用的所有属性与票房之间的关系并绘制散点图，分析所有属性之间的相关度绘制热力图
    ana_columns()

5、源码获取方式

🍅由于篇幅限制，获取完整文章或源码、代做项目的，查看我的【用户名】、【专栏名称】、【顶部选题链接】就可以找到我啦🍅

感兴趣的可以先收藏起来，点赞、关注不迷路，下方查看👇🏻获取联系方式👇🏻