前言

請使用python預(yù)測NBA比賽結(jié)果。

主要思想

(1)選擇數(shù)據(jù)

匯入資料的連結(jié)如下：

復(fù)制代碼

獲得的數(shù)據(jù)內(nèi)容如下：

每隊每場比賽平均表現(xiàn)統(tǒng)計

各隊對手每場比賽平均成績統(tǒng)計。

綜合統(tǒng)計

2016-2017 NBA常規(guī)賽和季后賽每場比賽的比賽數(shù)據(jù)。

2017-2018年NBA常規(guī)賽和季后賽比賽安排。

（2）建模思路

主要利用數(shù)據(jù)內(nèi)容的前四項來評估球隊的戰(zhàn)斗力。

利用數(shù)據(jù)內(nèi)容的第五項也就是比賽安排來預(yù)測每場比賽的獲勝隊伍。

利用方式為：

數(shù)據(jù)內(nèi)容的前三項以及根據(jù)數(shù)據(jù)內(nèi)容的第四項計算的Elo等級分作為每支隊伍的特征向量。

Elo等級分介紹（相關(guān)文件中有）：

為方便起見，假設(shè)獲勝方提高的Elo等級分與失敗方降低的Elo等級分數(shù)值相等。

另外，為了體現(xiàn)主場優(yōu)勢，主場隊伍的Elo等級分在原有基礎(chǔ)上增加100。

（3）代碼流程

數(shù)據(jù)初始化；

計算每支隊伍的Elo等級分（初始值1600）；

基于數(shù)據(jù)內(nèi)容前三項和Elo等級分建立2016-2017年常規(guī)賽和季后賽中每場比賽的數(shù)據(jù)集；

使用sklearn中的LogisticRegression函數(shù)建立回歸模型；

利用訓(xùn)練好的模型對17-18年常規(guī)賽和季后賽的比賽結(jié)果進行預(yù)測；

將預(yù)測結(jié)果保存到17-18Re文件中。

開發(fā)工具

**Python版本：**3.5.4

相關(guān)模塊：

pandas模塊、numpy模塊、sklearn模塊以及一些Python自帶的模塊。

環(huán)境搭建

安裝Python并添加到環(huán)境變量，pip安裝需要的相關(guān)模塊即可。

使用演示

在cmd窗口運行Analy文件即可：

結(jié)果：

文章到這里就結(jié)束了，感謝你的觀看，關(guān)注我每天分享Python模擬登錄系列，下篇文章分享制作AI且mini版飛機大戰(zhàn)。

為了感謝讀者們，我想把我最近收藏的一些編程干貨分享給大家，回饋每一個讀者，希望能幫到你們。

干貨主要有：

①　2000多本Python電子書（主流和經(jīng)典的書籍應(yīng)該都有了）

②　Python標準庫資料（最全中文版）

③　項目源碼（四五十個有趣且經(jīng)典的練手項目及源碼）

④　Python基礎(chǔ)入門、爬蟲、web開發(fā)、大數(shù)據(jù)分析方面的視頻（適合小白學(xué)習(xí)）

⑤ Python學(xué)習(xí)路線圖（告別不入流的學(xué)習(xí)）

作者：戴沐白
鏈接：
來源：掘金
著作權(quán)歸作者所有。商業(yè)轉(zhuǎn)載請聯(lián)系作者獲得授權(quán)，非商業(yè)轉(zhuǎn)載請注明出處。