文件名称：databall：用数据押注NBA
文件大小：4.26MB
文件格式：ZIP
更新时间：2024-02-24 21:24:12
python jekyll github-pages nba machine-learning
DataBall：用数据押注NBA 这个项目结合了我对数据科学的兴趣和对运动的热爱。 我试图使用从拉统计预测NBA的赢家逆价差有和点差和上/下从线路使用Python网页抓取框架 。 所有代码都是用Python编写的，我使用了流行的机器学习库进行了所有预测。 内容： ：Scrapy项目，可从点差和上 ：具有支持功能的Python模块，可以执行任务，包括将统计信息收集到SQLite数据库，模拟季节以及自定义图 ：构建此项目的GitHub Pages所需的代码 ：所有分析的Jupyter笔记本 ：用于报告和幻灯片的LaTeX文件 链接到包含1990年-2020年3月数据的测试数据库
【文件预览】：
databall-master
----.gitignore(408B)
----pyproject.toml(249B)
----scrapy_commands_covers.txt(412B)
----.pre-commit-config.yaml(686B)
----covers()
--------spiders()
--------__init__.py(0B)
--------pipelines.py(3KB)
--------loaders.py(870B)
--------settings.py(208B)
--------items.py(372B)
----LICENSE(1KB)
----Pipfile.lock(92KB)
----full_name.txt(512B)
----.github()
--------workflows()
--------dependabot.yml(653B)
----notebooks()
--------model-performance.ipynb(803KB)
--------feature-selection.ipynb(1.17MB)
--------data-exploration.ipynb(1.82MB)
--------parameter-tuning.ipynb(844KB)
----README.md(2KB)
----databall()
--------plotting.py(10KB)
--------__init__.py(0B)
--------team_stats.py(1KB)
--------database.py(10KB)
--------model_selection.py(3KB)
--------profit.py(1KB)
--------database_builder.py(8KB)
--------simulate.py(2KB)
--------stats.py(1KB)
--------util.py(851B)
--------player_stats.py(6KB)
----report()
--------project-proposal.pdf(88KB)
--------project-proposal.tex(7KB)
--------databall.bib(3KB)
--------databall-slides.tex(11KB)
--------databall-slides.pdf(799KB)
----Pipfile(274B)
----scrapy.cfg(64B)
----Gemfile(73B)
----docs()
--------index.md(2KB)
--------_data()
--------assets()
--------_includes()
--------_config.yml(121B)
--------README.md(623B)
--------_pages()
--------_layouts()
----Gemfile.lock(7KB)