我们身处在信息爆炸式增长的时代,有数据显示,截止到2018年6月,我国拥有的手机网民数量已经高达7.88亿人次,这个庞大的用户群体在新闻网站、微博、Facebook、微信等不同的社交平台上制造着大量的网络数据。目前针对新闻及其评论数据的研究比较少,缺乏量化分析。对于网络新闻而言,新闻评论是其传播、发酵的重要组成,从另外一个角度来说,与以往的传统媒体相比,网络媒体的传播深度和广度是极快极广泛的,容易形成民众热议的舆论事件,导致一些事件的解决难度增加,所以,提前发现可能成为热议事件的新闻可以帮助相关监管部门监测网络舆情的发展,避免网络暴力事件的发生,利于维护社会的安定。本文首先抓取了新浪新闻娱乐、科技、体育、财经、军事、收藏六个类别的116595条新闻数据以及对应的4926412条评论数据,对数据进行清洗并入库。针对不同类别的新闻,利用NumPy、Pandas、Matplotlib等工具分析了新闻评论的空间分布特征,包括新闻类别、参与讨论人数、新闻发布时间等因素,从时间上分析评论数据的产生过程得到其时间分布特征。接下来以评论数和点赞数加权之和作为新闻的热度值,从小时和周天两个维度再次分析了新闻发布时间与新闻热度的关系,为新闻热度预测做准备。最后对基本回归模型中的多元线性回归和K-近邻以及集成学习中的梯度提升决策树(GBDT)的原理分别进行了阐述,以新浪新闻数据为例对算法从模型构建到预测的过程作了简要说明。根据评论分布特点提取相关特征,采用线性回归、KNN、GBDT三种算法对新闻热度进行预测,结果表明GBDT的预测效果更好。为了提高新闻热度预测效果,把数据分为体育类数据和其他类数据采用GBDT分别训练并预测,提高了体育类新闻的热度预测准确率。同时为了提高模型整体的泛化性能,这里将线性回归、KNN以及GBDT三种算法作为基学习器,通过平均法策略做集成,实验结果表明,集成后的算法可以提高新闻热度预测效果,使模型的泛化性能更好。