文件名称:predict-nfl-champions:预测超级碗冠军的模型
文件大小:10.82MB
文件格式:ZIP
更新时间:2024-07-02 11:17:26
OpenEdgeABL
预测 NFL 和大学橄榄球冠军 概括 该项目的目标是建立机器学习模型,使用历史比赛数据预测 2015 年超级碗和大学橄榄球锦标赛的获胜者。 我们完全使用以前的比赛统计数据来预测足球比赛的结果。 我们使用了三种不同的模型来做到这一点: 基线模型: Point Score Difference Model 。 在这个模型中,我们使用得分差异来预测未来游戏的获胜者。 线性回归模型:在这个模型中,我们使用线性回归来预测每场比赛的点差。 PageRank 模型:在这里,我们将游戏数据建模为图表,节点为团队,边为团队之间的得分差异。 然后我们在这个游戏图上使用 PageRank 对所有团队进行排名。 该排名用于预测未来游戏的获胜者。 获胜者预测: 超级碗:西雅图海鹰队 大学冠军:俄勒冈 代码 大多数文件是 IPython 笔记本(带有 JSON 数据的.ipynb扩展名)。 至少在一个示例
【文件预览】:
predict-nfl-champions-master
----nfl()
--------nfl_linear_regression_paired_version_data_generation.ipynb(26KB)
--------nfl_baseline_1.ipynb(41KB)
--------nfl_linear_regression_iteration_value.ipynb(63KB)
--------nfl_baseline_2.ipynb(222KB)
--------nfl_linear_regression_alpha_value.ipynb(38KB)
--------nfl_pagerank.ipynb(245KB)
--------nfl_linear_regression_paired_version.ipynb(168KB)
--------nfl_linear_regression_separate_version.ipynb(134KB)
----college_football()
--------clg_linear_regression_paired_version_data_generation.ipynb(87KB)
--------clg_train_and_test_data_generation.ipynb(16KB)
--------clg_baseline_1.ipynb(36KB)
--------clg_linear_regression_alpha_value.ipynb(48KB)
--------clg_pagerank.ipynb(257KB)
--------clg_linear_regression_paired_version.ipynb(157KB)
--------clg_linear_regression_separate_version.ipynb(128KB)
--------clg_linear_regression_iteration_value.ipynb(72KB)
--------clg_baseline_2.ipynb(36KB)
----README.md(3KB)
----old_notebook_files()
--------collegeFootballBaselineData.csv(617KB)
--------2_simulator.png(217KB)
--------College Footballl PageRank.ipynb(783KB)
--------collegeBowlBaselineData.p(82KB)
--------3_modules.png(528KB)
--------collegeFootballLinearRegressionData.csv(1.27MB)
--------listOfTop25Teams.p(34KB)
--------College Football Baseline.ipynb(277KB)
--------nfl_2014.csv(6KB)
--------baselineData.p(108KB)
--------matrix.png(57KB)
--------processed_lin_reg.csv(1.18MB)
--------NFL Linear Regression Model.ipynb(326KB)
--------listOfTop25Teams.csv(6KB)
--------collegeBaselineData.p(485KB)
--------NFL Linear Regression v4.ipynb(545KB)
--------README.md(1KB)
--------recengames.csv(52KB)
--------NFL Baseline.ipynb(867KB)
--------test.csv(3KB)
--------NFL PageRank.ipynb(692KB)
--------games.csv(302KB)
--------nfl_sim_data.csv(248B)
--------TEAM.csv(2.54MB)
--------1_baseline.png(94KB)
--------College Football Linear Regression Model .ipynb(108KB)
--------cfblines()
----data.zip(4.32MB)