- 1开源项目-智数通数据中台管理系统_智数通数据平台搭建
- 2最详细的python安装教程，小白建议收藏
- 3vue滚动加载数据_后端不分页,vue2实现滚动加载数据
- 4windows远程连接linux并实现上传下载文件，不需要额外安装任何软件~_windows上传文件到linux 免安装
- 5MongoDB 和 AI 赋能行业应用：电信和媒体
- 6数据库性能测试大纲_数据库功能测试大纲
- 7情感分析中的深度学习_在情感分析中,通过构建包含多个处理层的计算模型,并创建多个级别的抽象层来表示数
- 8MAC M2下安装Java及maven环境变量_mac m2 安装jdk
- 9使用Java定时从Nginx的日志中获取黑客的ip并加入访问黑名单_mstshash=administr
- 10Virtual Private Network（虚拟专用网络）详解
利用Python进行NBA比赛数据分析_python项目爬取机器学习算法的nba夺冠数据, 并 对其进行数据分析。
赞
踩
分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.csdn.net/jiangjunshow
也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！
利用Python进行NBA比赛数据分析
一、实验介绍
1.1 内容简介
不知道你是否朋友圈被刷屏过nba的某场比赛进度或者结果？或者你就是一个nba狂热粉，比赛中的每个进球，抢断或是逆转压哨球都能让你热血沸腾。除去观赏精彩的比赛过程，我们也同样好奇比赛的结果会是如何。因此本节课程，将给同学们展示如何使用nba比赛的以往统计数据，判断每个球队的战斗力，及预测某场比赛中的结果。
我们将基于2015-2016年的NBA常规赛及季后赛的比赛统计数据，预测在当下正在进行的2016-2017常规赛每场赛事的结果。
1.2 实验知识点
- nba球队的
Elo score计算 - 特征向量
- 逻辑回归
1.3 实验环境
- python2.7
- Xfce终端
1.4 实验流程
本次课程我们将按照下面的流程实现NBA比赛数据分析的任务：
- 获取比赛统计数据
- 比赛数据分析，得到代表每场比赛每支队伍状态的特征表达
- 利用机器学习方法学习每场比赛与胜利队伍的关系，并对2016-2017的比赛进行预测
1.5 代码获取
本次实验的源码可通过以下命令获得：
$ wget http://labfile.oss.aliyuncs.com/courses/782/prediction.py- 1
二、获取 NBA比赛统计数据
2.1 比赛数据介绍
在本次实验中，我们将采用Basketball Reference.com中的统计数据。在这个网站中，你可以看到不同球员、队伍、赛季和联盟比赛的基本统计数据，如得分，犯规次数等情况，胜负次数等情况。而我们在这里将会使用2015-16 NBA Season Summary中数据。
在这个2015-16总结的所有表格中，我们将使用的是以下三个数据表格：
- Team Per Game Stats：每支队伍平均每场比赛的表现统计
| 数据名 | 含义 |
|---|---|
| Rk -- Rank | 排名 |
| G -- Games | 参与的比赛场数（都为82场） |
| MP -- Minutes Played | 平均每场比赛进行的时间 |
| FG--Field Goals | 投球命中次数 |
| FGA--Field Goal Attempts | 投射次数 |
| FG%--Field Goal Percentage | 投球命中次数 |
| 3P--3-Point Field Goals | 三分球命中次数 |
| 3PA--3-Point Field Goal Attempts | 三分球投射次数 |
| 3P%--3-Point Field Goal Percentage | 三分球命中率 |
| 2P--2-Point Field Goals | 二分球命中次数 |
| 2PA--2-point Field Goal Attempts | 二分球投射次数 |
| 2P%--2-Point Field Goal Percentage | 二分球命中率 |
| FT--Free Throws | 罚球命中次数 |
| FTA--Free Throw Attempts | 罚球投射次数 |
| FT%--Free Throw Percentage | 罚球命中率 |
| ORB--Offensive Rebounds | 进攻篮板球 |
| DRB--Defensive Rebounds | 防守篮板球 |
| TRB--Total Rebounds | 篮板球总数 |
| AST--Assists | 辅助 |
| STL--Steals | 偷球 |
| BLK -- Blocks | 封阻 |
| TOV -- Turnovers | 失误 |
| PF -- Personal Fouls | 个犯 |
| PTS -- Points | 得分 |
Opponent Per Game Stats：所遇到的对手平均每场比赛的统计信息，所包含的统计数据与Team Per Game Stats中的一致，只是代表的该球队对应的对手的
Miscellaneous Stats：综合统计数据
| 数据项 | 数据含义 |
|---|---|
| Rk (Rank) | 排名 |
| Age | 队员的平均年龄 |
| W (Wins) | 胜利次数 |
| L (Losses) | 失败次数 |
| PW (Pythagorean wins) | 基于毕达哥拉斯理论计算的赢的概率 |
| PL (Pythagorean losses) | 基于毕达哥拉斯理论计算的输的概率 |
| MOV (Margin of Victory) | 赢球次数的平均间隔 |
| SOS (Strength of Schedule) | 用以评判对手选择与其球队或是其他球队的难易程度对比，0为平均线，可以为正负数 |
| SRS (Simple Rating System) | 3 |
| ORtg (Offensive Rating) | 每100个比赛回合中的进攻比例 |
| DRtg (Defensive Rating) | 每100个比赛回合中的防守比例 |
| Pace (Pace Factor) | 每48分钟内大概会进行多少个回合 |
| FTr (Free Throw Attempt Rate) | 罚球次数所占投射次数的比例 |
| 3PAr (3-Point Attempt Rate) | 三分球投射占投射次数的比例 |
| TS% (True Shooting Percentage) | 二分球、三分球和罚球的总共命中率 |
| eFG% (Effective Field Goal Percentage) | 有效的投射百分比（含二分球、三分球） |
| TOV% (Turnover Percentage) | 每100场比赛中失误的比例 |
| ORB% (Offensive Rebound Percentage) | 球队中平均每个人的进攻篮板的比例 |
| FT/FGA | 罚球所占投射的比例 |
| eFG% (Opponent Effective Field Goal Percentage) | 对手投射命中比例 |
| TOV% (Opponent Turnover Percentage) | 对手的失误比例 |
| DRB% (Defensive Rebound Percentage) | 球队平均每个球员的防守篮板比例 |
| FT/FGA (Opponent Free Throws Per Field Goal Attempt) | 对手的罚球次数占投射次数的比例 |
毕达哥拉斯定律：win\% = \frac{ {runs \ scored}^2}{ {runs \ scored}^2 + {runs \ allowed}^2}win%=runs scored2+runs allowed2runs scored
