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常規賽以及季后賽的每場比賽的比賽數據；

2017-2018年NBA的常規賽以及季后賽的比賽安排。

（2）建模思路

主要利用數據內容的前四項來評估球隊的戰斗力。

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，為了體現主場優勢，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）；

基于數據內容前三項和Elo等級分建立2016-2017年常規賽和季后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年常規賽和季后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并添加到環境變量，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

到此這篇關于利用Python實現預測NBA比賽結果的文章就介紹到這了,更多相關Python預測NBA比賽結果內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！