文件名称：gbdt回归源码matlab-curry:咖喱
文件大小：3.77MB
文件格式：ZIP
更新时间：2024-06-23 10:54:14
系统开源
gbdt回归源码matlab CS74：预测篮球统计数据 依赖关系 MATLAB R2014a 运行pip install scrapy进行安装 数据 所有数据都包含在data目录中。 数据全部来自basketball-reference.com。 我们使用了从 1979-80 赛季（三分线被引入时到现在）的总数据和每场数据。 column_headers给出了每列信息的简短描述。 要抓取自己的数据，您必须首先通过在主目录source env/bin/activate运行来设置 python 环境。 然后在scraper/scraper目录下运行scrapy crawl curry来爬取basketball-reference.com 的数据。 火星 要运行预先选择的 MARS 回归，请从mars目录调用run_mars 。 该脚本在每次控球数据上测试 MARS 算法，以预测不同位置的两分百分比、助攻、总篮板和得分。 在mars目录中调用interface并按照给定的说明在您选择的参数上测试 MARS。 GBDT 要查看 GBDT 的工作原理，请从gbdt目录调用run_gbdt 。
【文件预览】：
curry-master
----mars()
--------calc_gcv.m(416B)
--------backward_pass.m(1KB)
--------knot_combo.m(901B)
--------forward_pass.m(3KB)
--------run_mars.m(377B)
--------interface.m(4KB)
--------gen_data.m(2KB)
--------mars_features.m(566B)
--------marsplot.m(3KB)
--------q5_features.m(2KB)
----README.md(1KB)
----data()
--------totals_pos_1.csv(251KB)
--------per_poss_pos_2.csv(349KB)
--------per_poss_pos_5.csv(341KB)
--------totals_pos_4.csv(275KB)
--------per_poss.csv(1.71MB)
--------totals.csv(1.28MB)
--------column_headers(466B)
--------totals_pos_3.csv(263KB)
--------totals_pos_5.csv(253KB)
--------per_poss_pos_3.csv(338KB)
--------totals_pos_2.csv(267KB)
--------per_poss_pos_1.csv(355KB)
--------per_poss_pos_4.csv(367KB)
----gbdt()
--------run_gbdt.m(832B)
--------gbdt.m(917B)
--------decision_tree.m(2KB)
--------predict_gbdt.m(450B)
--------gen_data.m(2KB)
--------predict_tree.m(540B)
----.gitignore(26B)
----scraper()
--------players(107KB)
--------scrapy.cfg(256B)
--------scraper()