Год, хронометраж, жанры и каноническое название.
Методология / без магии
Что именно делает Vanga, когда «угадывает» рейтинг
Vanga не знает будущего и не «смотрит» фильм до премьеры. Это CatBoost-модель, которая ищет статистические закономерности в исторических IMDb-данных и оценивает возможный рейтинг по информации, известной до релиза.
01 · Данные
IMDb — основа, а не источник готового ответа
Из официальных IMDb datasets строится локальная DuckDB. Vanga берёт оттуда структуру фильма и прошлую историю участников, а не фактический рейтинг прогнозируемой картины.
Режиссёры и актёрский состав с их IMDb ID.
Сценаристы; из него строится нормализованная локальная таблица writer history.
Исторический target и прошлые рейтинги для temporal-агрегатов.
02 · Feature engineering
Признаки, которые можно было знать до выхода
Vanga нормализует год и длительность, кодирует жанры и персоналии и строит исторические средние рейтинги. Для человека с несколькими ролями история разделяется: режиссёрские работы не смешиваются с актёрскими.
03 · Проверка
Временной holdout вместо случайного shuffle
Последние два календарных года доступной выборки откладываются в test. Более старые годы идут в train. Так проверка ближе к реальному сценарию: обучиться на прошлом и попробовать предсказать более новые фильмы.
TRAINстарые годы
TESTпоследние 2 года
ЦЕЛЬбудущая премьера
04 · Активная модель
Не рекламные цифры — metadata работающего поколения
Этот блок запрашивается у локального Vanga API. Если сервис недоступен, страница методологии продолжает работать, но не подставляет выдуманные метрики.
Показать признаки активного поколения 20
startYear
Год выхода
Влияние года релиза и временного контекста, который модель видела в исторических данных.
runtimeMinutes
Хронометраж
Влияние указанной длительности фильма относительно закономерностей обучающей выборки.
director_avg_rating
История режиссёра
Средний рейтинг прошлых фильмов режиссёра, вышедших до указанного года.
actor_1_avg_rating
История актёра №1
Средний рейтинг прошлых фильмов первого указанного актёра до года прогноза.
actor_2_avg_rating
История актёра №2
Средний рейтинг прошлых фильмов второго указанного актёра до года прогноза.
actor_3_avg_rating
История актёра №3
Средний рейтинг прошлых фильмов третьего указанного актёра до года прогноза.
is_marvel
Связь с Marvel
Эвристический признак, указывающий на узнаваемый паттерн Marvel.
is_dc
Связь с DC
Эвристический признак, указывающий на узнаваемый паттерн DC.
is_star_wars
Связь со Star Wars
Эвристический признак, указывающий на узнаваемый паттерн Star Wars.
is_harry_potter
Связь с Harry Potter
Эвристический признак, указывающий на узнаваемый паттерн франшизы Harry Potter.
is_bond
Связь с Bond
Эвристический признак, указывающий на узнаваемый паттерн франшизы James Bond.
title_len
Длина названия
Слабый текстовый признак: количество символов в названии фильма.
title_word_count
Слова в названии
Количество слов в названии как дополнительный статистический признак.
has_digit
Цифра в названии
Бинарный признак: присутствует ли цифра в названии фильма.
has_colon
Двоеточие в названии
Бинарный признак структуры названия: есть ли в нём двоеточие.
genres_combined
Сочетание жанров
То, как выбранная комбинация жанров соотносится с историческими рейтингами похожих фильмов.
director_id
Паттерн режиссёра
Категориальный сигнал CatBoost: модель узнаёт режиссёра как отдельную сущность и учитывает исторические закономерности.
actor_1_id
Паттерн актёра №1
Категориальный сигнал первого актёра. Нулевой вклад означает, что для этого прогноза сигнал почти не изменил оценку.
actor_2_id
Паттерн актёра №2
Категориальный сигнал второго актёра. Нулевой вклад означает, что для этого прогноза сигнал почти не изменил оценку.
actor_3_id
Паттерн актёра №3
Категориальный сигнал третьего актёра. Нулевой вклад означает, что для этого прогноза сигнал почти не изменил оценку.
05 · Объяснение результата
SHAP отвечает на «что сдвинуло этот прогноз?»
После inference Vanga получает вклад каждого признака относительно базового уровня модели. Положительное значение повышает итоговый прогноз, отрицательное — снижает. Это вклад в пунктах рейтинга, а не процент уверенности.
базовый уровень+SHAP-вклады=прогноз
06 · Неопределённость
Почему диапазон честнее одного красивого числа
При новом retrain абсолютные ошибки на temporal holdout калибруются по квантилям. Интерфейс может показать, например, центральный прогноз и диапазон, внутри которого находилась заданная доля исторических ошибок. Это не вероятность результата фильма.
07 · Публикация модели
Новый retrain не должен автоматически вытеснять более точную модель
Candidate сначала получает метрики на временной выборке.
На сопоставимом holdout MAE сравнивается с активным поколением.
Проверяются metadata и лимит размера модели без второй загрузки CatBoost в RAM.
Только после проверок меняется current.json; при ошибке рабочая модель остаётся прежней.
08 · Ограничения
Где прогнозу нельзя доверять как факту
Vanga — экспериментальная статистическая модель. Она может промахиваться на необычных проектах, новых режиссёрах и актёрах, фильмах с редкой комбинацией жанров или когда до премьеры известно мало данных.
Модель не оценивает художественное качество и не заменяет мнение зрителей.
Рейтинг 7.3 не означает «73% шанса на успех».
Vanga видит только признаки и исторические закономерности, а не сам будущий фильм.
IMDb пополняется, поэтому следующие поколения модели могут обучаться на более свежей истории.
Теперь можно спорить с моделью
Открыть Vanga →
Выберите будущий фильм и проверьте Vanga
А после премьеры сохранённый прогноз можно будет сравнить с фактическим IMDb-рейтингом без пересчёта задним числом.