【文件属性】:
文件名称:NBA预测:使用Logistic回归模型预测每日NBA比赛
文件大小:441KB
文件格式:ZIP
更新时间:2021-02-03 03:42:59
python nba data-science model scikit-learn
NBA预测
使用Python中的Logistic回归模型预测NBA比赛
模型
该模型使用从stats.nba.com刮取的八个因素来确定NBA游戏的预测结果。 每个统计数据都调整为每100个回合,以确保速度不会影响预测。
主队
胜率
篮板
营业额
正负
进攻等级
防守等级
真实投篮命中率
用法
安装
pip3 install -r requirements.txt
每日预测
打开nbaPredict.py
编辑对makeInterpretPrediction的调用,其中包含所需的比赛日期,赛季以及赛季的开始日期
通过终端或IDE运行程序
等待约1-3分钟,模型即可完成抓取统计信息并预测结果
输出结果作为主队击败客队的机会百分比
过去的预测
打开makePastPredictions.py
使用所需的开始日期,结束日期,季节,季节的开始日期和输出文件名来编辑对makePastPredictions的调用。 注意:开始日期应至少在季节开始后三天,且结束日期不包括在内。
通过终端或IDE运行程序
两个CSV文件将保存在Data文件夹中。 一个保存游戏数据,另一个保存游戏的预测。
【文件预览】:
NBA-Predict-master
----teamIds.py(1KB)
----README.md(2KB)
----Data()
--------gamesWithInfo2017-18.csv(184KB)
--------COMBINEDgamesWithInfo2016-19.csv(547KB)
--------gamesWithInfo2016-17.csv(183KB)
--------gamesWithInfo2018-19.csv(183KB)
----makePastPredictions.py(4KB)
----configureCWD.py(417B)
----customHeaders.py(706B)
----availableStats.py(368B)
----getDailyMatchups.py(3KB)
----requirements.txt(240B)
----getStats.py(2KB)
----standardizeStats.py(3KB)
----nbaPredict.py(4KB)
----createModel.py(8KB)
----SavedModels()
--------finalized_model.pkl(874B)