文件名称：volleyball-prediction:使用机器学习方法预测排球比赛
文件大小：72KB
文件格式：ZIP
更新时间：2024-07-19 11:04:00
R
排球预测 使用机器学习方法预测排球比赛。 分类 预测获胜球队。 鉴于国家之间841 场排球比赛的数据集和各种统计数据，我训练了预测比赛获胜者的模型。 我使用了大约 70:30 的训练和测试示例。 训练部分被进一步划分，再次按 70:30，以测试模型的调整参数。 我还尝试了这些方法的组合 - 通过投票。 使用的型号： 人工神经网络 决策树 朴素贝叶斯 k-最近邻算法 随机森林 最佳型号： 人工神经网络、KNN、RF 分类准确率： 68% 荆棘分数： 0.43 人工神经网络： 分类准确率： 68% 荆棘分数： 0.45 随机森林： 分类准确率： 66% 荆棘分数： 0.43 回归 预测比赛的持续时间。 给定相同的数据集和统计数据，我训练了一个模型来预测比赛的持续时间。 训练和测试示例的划分，参数调整与分类部分相同。 ###使用的模型： 线性模型 人工神经网络 k-最
【文件预览】：
volleyball-prediction-master
----main.R(1KB)
----project.Rproj(235B)
----ML()
--------decision_tree.R(1KB)
--------functions.R(1KB)
--------regression.R(3KB)
--------classification.R(1KB)
--------ann.R(2KB)
--------random_forest.R(1KB)
--------tuning.R(2KB)
--------regression_trees.R(2KB)
--------bayes.R(659B)
--------knn.R(1019B)
--------attr_eval.R(778B)
--------wrapperReg.R(1KB)
--------combine.R(3KB)
--------wrapper.R(1KB)
----date_time_helpers.R(717B)
----process()
--------match_history.R(3KB)
--------data_process.R(1KB)
--------results.R(2KB)
--------statistics.R(2KB)
--------rankings.R(1KB)
----ml_prepare.R(8KB)
----LICENSE(34KB)
----README.md(2KB)
----data()
--------results()
--------statistics()
----.gitignore(39B)