IMDB算法（贝叶斯算法）

MDB TOP250的电影评分计算方法正是大名鼎鼎的贝叶斯统计算法。

要想领悟这种算法的精妙之处，我们首先需要看一个例子：

• 电影A，十个人看过，全部评分均为10分；电影B，十万个人看过，评分平均值为9.8分。请问你愿意相信哪部电影更加优秀？？贝叶斯算法的核心思想就是避免让电影A的最终得分会超过B。

具体是如果做到的呢？

• 首先IMDB统计了目前数据库所有的电影的平均评分（为6.9），并且设定了一个基础人数（为1250人）；
• 然后每一部新片进入数据库后，都会先默认已经有1250人都打过6.9分了。
• 在这1250个6.9分的基础上，再加上真正有多少人评的分，合起来求一个平均数即为IMDB的top 250最终得分。

一些细节我觉得有必要提一下：1. TOP 250的影片都要求评价人数超过基础人数，以限制某些像民族性，小众性的电影挤进来了；2. 考虑TOP 250排名的时候，只取那些经常投票的人的票以避免刷票；3. 为什么一定要强调是TOP 250的排名。因为TOP 250的排名和IMDB的正常排名是不一样的算法。具体网站上正常排名是怎么算的对外保密了，所以不得而知。最后补充一点个人理解：贝叶斯的这套算法相对国内的网站还是科学的多的。然而个人理解还是有一些小问题的：新上映的电影短时间内评分上不去。假设电影A是老牌经典电影，100万个人给了9分，最后得分9分；电影B只是10年前的经典电影，1万个人给了9.1分，最后得分将只有8.85。这点差距放在排名上其实是非常大的。所以说，IMDB的TOP 250肯定是好电影，但不是所有的好电影都能进入TOP 250。

（1） 公式（著名的贝叶斯算法） -R ：该电影的算数平均分 。 是用普通的方法计算出的平均分 -v ：该电影投票人数 -m：进入imdb top 250需要的最小投票数 -C ：目前所有电影的平均票数