利用Python第三方庫實現預測NBA比賽結果

主要思路

（1）數據選取

獲取數據的鏈接為：

https://www.basketball-reference.com/

獲取的數據內容為：

每支隊伍平均每場比賽的表現統計；

每支隊伍的對手平均每場比賽的表現統計；

綜合統計數據；

2016-2017年NBA常規賽以及季後賽的每場比賽的比賽數據；

2017-2018年NBA的常規賽以及季後賽的比賽安排。

（2）建模思路

主要利用數據內容的前四項來評估球隊的戰鬥力。

利用數據內容的第五項也就是比賽安排來預測每場比賽的獲勝隊伍。

利用方式為：

數據內容的前三項以及根據數據內容的第四項計算的Elo等級分作為每支隊伍的特征向量。

Elo等級分介紹（相關文件中有）：

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

另外，為瞭體現主場優勢，主場隊伍的Elo等級分在原有基礎上增加100。

（3）代碼流程

數據初始化；

計算每支隊伍的Elo等級分（初始值1600）；

基於數據內容前三項和Elo等級分建立2016-2017年常規賽和季後賽中每場比賽的數據集；

使用sklearn中的LogisticRegression函數建立回歸模型；

利用訓練好的模型對17-18年常規賽和季後賽的比賽結果進行預測；

將預測結果保存到17-18Result.CSV文件中。

開發工具

**Python版本：**3.5.4

相關模塊：

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

環境搭建

安裝Python並添加到環境變量，pip安裝需要的相關模塊即可。

使用演示

在cmd窗口運行Analysis_NBA_Data.py文件即可：

結果：

代碼參考https://www.jb51.net/article/215291.htm

到此這篇關於利用Python實現預測NBA比賽結果的文章就介紹到這瞭,更多相關Python預測NBA比賽結果內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！