Python 机器学习：从建立模型到预测比赛结果

由Tribe()翻译，禁止转载，欢迎转发。

体育狂热者并不想建立一个系统来预测比赛，但如果你想赢得赌注或者只是想满足你的好奇心，你就必须建立自己的系统。

幸运的是，如今互联网上有许多公开可用的高级统计工具，例如排球预测系统和优秀的机器学习库，它们适用于各种编程语言。本文不是一篇全面的编程设计文章，我只是想谈谈我过去几个月的发现，并与大家分享一些代码nba球员数据库下载，这些代码对那些想要使用机器学习的人非常有用。

我从哪说起呢？

机器学习首先要通过历史数据建立计算属性权重和属性间关系的模型，然后利用这些模型预测结果。因此，你需要了解想要预测的运动，知道哪些变量会影响预测结果，然后建立一个可以包含这些信息的数据库，最后运行机器学习算法来分析历史数据以计算这些变量的权重。

建立自己的数据库

你很幸运，因为我花了很多时间构建了 NBA 和 NCAA 爬虫nba球员数据库下载，可以下载整个赛季的 NBA 和 NCAA 比赛。你在构建相关数据库时可能遇到的所有问题都在我的爬虫中得到了解决，你可以获得独特的信息。

我的爬虫（）抓取篮球比赛中的顶级球员，并以复杂的 JSON 格式呈现这些信息。现在，你需要设计一个解决方案来表示这些信息，并将其添加到你自己的数据库中。我使用写作模型，它可以构建数据库并建立分析系统。所有这些都可以在我的（）主页上找到。

预测比赛

-Learn 是一种使用机器学习来构建系统的方法。你需要通过历史数据来了解哪些属性可以更好地预测比赛。正如我之前所说，这可以更好地理解这项运动，并使用优秀球员的四元素矩阵（()）和其他人类学分析（如 Vegas 线）来获得更好的结果。

结果

如果你建立自己的机器学习模型，你会发现你可以以 70% 的准确率预测一场比赛的获胜者。这还不足以赢得赌注nba球员数据库下载，但它比 ESPN 专家和互联网上许多学术论文的准确率要好。你还可以学到很多关于这项运动、数据库、机器学习和其他相关知识。我提前警告你，一旦你开始试图证明这些运动员的能力，你可能会遇到一些麻烦。

原文英文：@/how-to--your-own-----in-the-nba-using--#。

译者：