devbox
Cpp五条
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

机器学习系列(11)_决策树挖掘NBA冠军球队数据_机器学习分析nba冠军

作者：Cpp五条 | 2024-06-11 07:29:51

赞

踩

机器学习分析nba冠军

数据集获取：
链接：https://pan.baidu.com/s/1mF7TJzDfdJBzfZW66kxY_Q?pwd=1234
提取码：1234

文章目录

一、数据整理

#导入库
import numpy as np
from scipy.cluster.vq import *
import matplotlib.pyplot as plt
from sklearn.manifold import TSNE
import pandas as pd


import numpy as np
from scipy.cluster.vq import *
import matplotlib.pyplot as plt
from sklearn.manifold import TSNE
from scipy.spatial.distance import cdist
from matplotlib.ticker import MultipleLocator
from matplotlib import style


%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats, integrate
import seaborn as sns
import matplotlib.pyplot as plt
# seaborn中文乱码解决方案
from matplotlib.font_manager import FontProperties
myfont=FontProperties(fname=r'C:\Windows\Fonts\simhei.ttf',size=20)
sns.set(font=myfont.get_name(), color_codes=True)

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27

导入NBA数据，我放在我的gitee里面，需要的朋友点击文章最上面的链接自取。

nbadata=pd.read_excel("nbamergeall.xlsx")

  • 1

NBA数据的属性如下：共27个特征，718条数据。

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 718 entries, 0 to 717
Data columns (total 27 columns):
 #   Column       Non-Null Count  Dtype  
---  ------       --------------  -----  
 0   assistsPg    718 non-null    float64
 1   blocksPg     718 non-null    float64
 2   defRebsPg    718 non-null    float64
 3   fgaPg        718 non-null    float64
 4   fgmPg        718 non-null    float64
 5   fgpct        718 non-null    float64
 6   foulsPg      718 non-null    float64
 7   ftaPg        718 non-null    float64
 8   ftmPg        718 non-null    float64
 9   ftpct        718 non-null    float64
 10  games        718 non-null    int64      # 一共打了多少场比赛
 11  name         718 non-null    object 
 12  offRebsPg    718 non-null    float64
 13  pointsPg     718 non-null    float64
 14  rebsPg       718 non-null    float64
 15  stealsPg     718 non-null    float64
 16  tpaPg        718 non-null    float64  # 每场里面三分球的得分情况
 17  tpmPg        718 non-null    float64
 18  tppct        718 non-null    float64
 19  turnoversPg  718 non-null    float64
 20  yearDisplay  718 non-null    object 
 21  nbayear      718 non-null    int64  
 22  y2k          718 non-null    bool   
 23  ischampion   24 non-null     float64    # 标签，最终是否得冠军，可以看到有24个不是空值
 24  region       718 non-null    object 
 25  league       718 non-null    object 
 26  ew           718 non-null    int64  
dtypes: bool(1), float64(19), int64(3), object(4)
memory usage: 146.7+ KB

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34

这27个特征中有一些特征不重要，因此我们只选取一些较为重要的参数。根据这些参数进行分析，然后预测一些球队得冠军的概率有多高。

nbanames定义我们需要的特征：

nbanames=['assistsPg','blocksPg','defRebsPg','fgaPg','fgmPg','fgpct','foulsPg','ftaPg','ftmPg','ftpct','offRebsPg','rebsPg','stealsPg','tpaPg','tpmPg','tppct','turnoversPg','ischampion']

  • 1
nbadata['ischampion'].isnull().sum()

  • 1

在这里插入图片描述

nbadata.loc[nbadata['tpaPg']==0]

  • 1

有六条数据中三分球的得分为0，这可能会对最终的数据造成影响。
在这里插入图片描述

nbadata2=nbadata.copy() # 不直接对原数据进行操作，拷贝一份数据
nbadata2=nbadata2[nbanames]
nbadata2.columns

  • 1
  • 2
  • 3

在这里插入图片描述

二、缺失值处理

由于'ischampion'含有694个空值，因此我们需要将空值变成0
在这里插入图片描述

nbadata2.loc[nbadata2['ischampion'].isnull(),'ischampion']='no' 
# 将空值替换为字符‘no’
nbadata2.loc[nbadata2['ischampion']==1,'ischampion']='yes'
# 将原本数据为1的地方改成字符‘yes’
nbadata2

  • 1
  • 2
  • 3
  • 4
  • 5

在这里插入图片描述

在对数据有了大概的处理之后，就要对数据进行无量纲化处理了。

这里不过多演示，即不对此数据进行量纲化处理。

nbadata2.describe()

  • 1

在这里插入图片描述

三、创建训练集和测试集

创建训练集和测试集（70%和30%）

# 创建训练集和测试集（70%和30%）
from sklearn.model_selection import train_test_split 
x=nbadata2.iloc[:,:-1] # 这里取的没有包括第18列
x 
y=nbadata2.iloc[:,-1] # 取出是否是冠军这列
y
Xtrain,Xtest,Ytrain,Ytest=train_test_split(x,y,test_size=0.3)

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
from sklearn.tree import DecisionTreeClassifier #导入决策树
nba_tree=DecisionTreeClassifier(criterion='entropy') # 评判标准使用信息熵

nba_tree.fit(Xtrain,Ytrain) # 拟合

answer=nba_tree.predict(x) # 进行预测

answer_array=np.array([y,answer])
answer_mat=np.matrix(answer_array).T
result=pd.DataFrame(answer_mat)
result.columns=['实际类别','预测类别']
result 

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12

在这里插入图片描述
增加一列，来对比实际类别和预测类别是否相同：

result['YN']=(result['实际类别']==result['预测类别']) # 得到的结果是布尔值

  • 1

在这里插入图片描述

result.loc[result['YN']==False]

  • 1

在这里插入图片描述

建模

# 建模
from sklearn import tree 
from sklearn.tree import DecisionTreeClassifier
clf = tree.DecisionTreeClassifier(criterion="entropy")  #默认是基尼系数，实例化
clf = clf.fit(Xtrain, Ytrain)  #训练模型
score = clf.score(Xtest, Ytest) #返回预测的准确度accuracy
score 

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7

得到的准确率：
在这里插入图片描述

四、绘制决策树

# 画树 NBA
nbafeatures=['assistsPg','blocksPg','defRebsPg','fgaPg','fgmPg','fgpct','foulsPg','ftaPg','ftmPg','ftpct','offRebsPg','rebsPg','stealsPg','tpaPg','tpmPg','tppct','turnoversPg']

import graphviz 
dot_data=tree.export_graphviz(clf
                             ,out_file="NBATree.dot"
                             ,feature_names=nbafeatures
                             ,class_names=["yes","no"]
                             ,filled=True
                             ,rounded=True)
graph=graphviz.Source(dot_data)
graph

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12

在这里插入图片描述
这里出现None是因为之前在是否投中三分球那列有几条是0值的数据没有处理。

并且如果有一些数据类型不同的话也没法组合在一起。

解决方法：去除 ,out_file="NBATree.dot"这行代码

# 画树 NBA
nbafeatures=['assistsPg','blocksPg','defRebsPg','fgaPg','fgmPg','fgpct','foulsPg','ftaPg','ftmPg','ftpct','offRebsPg','rebsPg','stealsPg','tpaPg','tpmPg','tppct','turnoversPg']

import graphviz 
dot_data=tree.export_graphviz(clf
#                              ,out_file="NBATree.dot"
                             ,feature_names=nbafeatures
                             ,class_names=["yes","no"]
                             ,filled=True
                             ,rounded=True)
graph=graphviz.Source(dot_data)
graph

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12

在这里插入图片描述
在这里插入图片描述

五、探索决策树

clf.feature_importances_
[*zip(nbafeatures,clf.feature_importances_)]

  • 1
  • 2

在这里插入图片描述

六、调参

调参即对之前的决策树进行减枝等操作：

clf=tree.DecisionTreeClassifier(criterion="entropy"
                               ,random_state=30
                               ,splitter="random"
                               ,max_depth=5 # 树只留5层
                               )
clf=clf.fit(Xtrain,Ytrain)
dot_data=tree.export_graphviz(clf
                             ,feature_names=nbafeatures
                             ,class_names=["yes","no"]
                             ,filled=True
                             ,rounded=True)
graph=graphviz.Source(dot_data)
graph

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13

在这里插入图片描述

score=clf.score(Xtest,Ytest)
score 

  • 1
  • 2

可以看到调参之后的正确率有所提高：
在这里插入图片描述
利用学习曲线观察深度是多少的时候能得到最好的

import matplotlib.pyplot as plt
test=[]
for i in range(10):
    clf=tree.DecisionTreeClassifier(max_depth=i+1 # 1-10层
                                    ,criterion="entropy"
                                    ,random_state=30
                                    ,splitter="random"
                                   )
    clf=clf.fit(Xtrain,Ytrain)
    score=clf.score(Xtest,Ytest) # 分别计算测试集上面的表现 
    test.append(score)
plt.plot(range(1,11),test,color="red",label="max_depth")
plt.legend()
plt.show() 

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14

可以看出在深度为3或者5的时候，正确率最高
在这里插入图片描述
在这里插入图片描述
用这个调参过的模型做预测：

answer=clf.predict(Xtest)
answer_array=np.array([Ytest,answer])
answer_mat=np.matrix(answer_array).T
result2=pd.DataFrame(answer_mat)
result2.columns=['实际类别','预测类别']
result2

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

在这里插入图片描述

result2['YN']=(result2['实际类别']==result2['预测类别'])
result2.loc[result2['YN']==False]

  • 1
  • 2

在这里插入图片描述

七、决策树回归

import numpy as np
from sklearn.tree import DecisionTreeRegressor
import matplotlib.pyplot as plt

  • 1
  • 2
  • 3
plt.figure()
plt.scatter(Xtrain['tpmPg'],Xtrain['ftmPg'],s=20,edgecolor='black',c='darkorange',label='data')

  • 1
  • 2

在这里插入图片描述
在这里插入图片描述

from sklearn.model_selection import train_test_split 
x=nbadata2.iloc[:,:-1] # 这里取的没有包括第18列
x 
y=nbadata2.iloc[:,-1] # 取出是否是冠军这列
y
Xtrain,Xtest,Ytrain,Ytest=train_test_split(x,y,test_size=0.3)

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
regr_1=DecisionTreeClassifier(max_depth=2)
regr_2=DecisionTreeClassifier(max_depth=5)
regr_1.fit(x[["tpmPg"]],y)
regr_2.fit(x[["tpmPg"]],y)
y_1=regr_1.predict(Xtest[["tpmPg"]])
y_2=regr_2.predict(Xtest[["tpmPg"]])

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
plt.figure()
plt.scatter(x[["tpmPg"]],y,s=20,edgecolor="black",c="darkorange",label="data")
plt.plot(Xtest[["tpmPg"]],y_1,color="cornflowerblue",label="max_depth=2",linewidth=2)
plt.plot(Xtest[["tpmPg"]],y_2,color="yellowgreen",label="max_depth=5",linewidth=2)
plt.xlabel("data")
plt.ylabel("target")
plt.title("Decision Tree Regression")
plt.legend()
plt.show() 

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

在这里插入图片描述

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/Cpp五条/article/detail/702284
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号