在很多人的印象中，大数据只是一个模糊的概念； 有人会说，大数据可以用来“预测股市”、“预测地震”、“预测消费者行为”。 但事实上，大数据与我们的关系可能比想象的更紧密。

从夜间观测天空到天气预报，从童话故事中的水晶球到如今的科技预言家，人类一直希望能够早点突破局限、预见未来，而人类的生活也正在被大数据预测深刻改变。 。

相信你一定知道世界杯“章鱼保罗”的传奇，但你可能不知道的是，它早已被大数据预测所取代：世界杯期间，谷歌、百度、微软、高盛等公司萨克斯都推出了比赛结果预测平台。 百度的预测结果最为亮眼，预测了64场比赛，准确率高达67%，进入淘汰赛后，准确率高达94%。

从经验来看，只要我们有体育赛事的历史数据，并与指数公司合作nba篮球赛事分析nba篮球赛事分析，我们就可以对其他赛事进行预测，比如欧冠、NBA等赛事。

在今天的课程中，我们将根据2015-2016 NBA常规赛和季后赛的比赛统计数据来预测当前2016-2017常规赛每场比赛的结果。

（当然，影响NBA比赛的因素有很多，转会、教练、球场、甚至保安都可能影响比赛的结果，所以本课程只提供方法，更多的信息挖掘和分析思路留给大家。 扩张。）

1. 课程介绍

一、简介

不知道你的朋友圈是否已经被某场NBA比赛的进展或结果淹没了？ 或者也许你只是一名NBA狂热分子，比赛中的每一个进球、抢断或压哨绝杀都会让你热血沸腾。 除了观看精彩的比赛过程，我们也对比赛的结果感到好奇。 因此，本课程将向学生展示如何利用过去NBA比赛的统计数据来判断各支球队的战斗力，并预测某场比赛的结果。

我们将根据2015-2016 NBA常规赛和季后赛的比赛统计数据来预测正在进行的2016-2017常规赛每场比赛的结果。

2.课程知识点：NBA球队Elo分计算

特征向量

逻辑回归

3. 获取游戏统计数据的实验流程

分析比赛数据，获得代表每场比赛各队状态的特征表达。

使用机器学习方法来学习每场比赛与获胜球队之间的关系，并对2016-2017年的比赛进行预测

4.效果截图

2. 获取NBA比赛统计数据

2.1 竞赛数据介绍

在本实验中，我们将使用 中的统计数据。 在这个网站中，您可以看到不同球员、球队、赛季和联赛的基本统计数据，例如得分、犯规次数、胜负等。这里我们将使用2015-16赛季的NBA数据。

对于 2015-16 年总结中的所有表格，我们将使用以下三个数据表： 球队每场比赛统计数据：每支球队每场比赛的平均表现统计数据。

每场比赛统计：所遇到的对手每场比赛的平均统计信息。 所包含的统计数据与球队场均统计数据一致，但仅代表球队对应的对手。

统计：综合统计。

我们将通过这三个表格来评估球队过去的战斗力。 另外，我们还需要2015-16 NBA以及2015~2016 NBA常规赛和季后赛每场比赛的比赛数据来评估Elo得分。 （稍后在实验部分解释）。 按照从常规赛到季后赛的时间。 列出了2015年10月至2016年6月每场比赛的结果。

上图中，可以看到2015年10月以来的一些比赛数据，每个表包含的数据为：

预测时nba篮球赛事分析，我们还需要2016-17赛季NBA和2016~2017赛季NBA常规赛赛程数据。

2.2 获取游戏数据

我们以获取Team Per Game Stats表数据为例，展示如何获取这三个统计数据。 进入，在导航栏中选择，选择2015~2016赛季：

进入2015~2016界面后，在滑动窗口中找到Team Per Game Stats表格，选择左上方的Share & more，在其下拉菜单中选择Get table as CSV (for Excel)：

复制界面中生成的csv格式数据，复制粘贴到文本编辑器中保存为csv文件：

为了方便学生进行实验，我们将所有数据保存为csv文件并上传到实验楼的云环境中。 在后续的代码实现部分，我们会给出获取这些文件的地址。

3. 数据分析

获得数据后，我们将根据各队过去的比赛表现和Elo评分来确定各队的获胜概率。 在评估每支球队过去的比赛时，我们将使用Team Per Game Stats、Per Game Stats和Stats这三个表（以下简称T、O和M表）中的数据来代表某支球队在比赛中的表现。 球队的比赛特点。 我们最终能够预测每场比赛哪支球队最终会获胜，但这并不是给出绝对的胜负情况，而是预测获胜球队的获胜概率。 因此，我们将构建一个表示匹配的特征向量。 它由两队过去的比赛统计数据（T、O 和 M 表）以及两队各自的 Elo 评分组成。

关于Elo评分，不知道同学们有没有看过电影《社交网络》。 在这部电影中，马克（主角的原型是创始人扎克伯格）在电影一开始就开发了一个美女排名系统。 他利用朋友在窗口写下的排名公式，比较不同女孩的排名系统，最后PK决出胜者。

这个比较公式就是 Elo Score 评级系统。 Elo 最初设计的目的是为国际象棋中的不同棋手提供更好的分类。 现在很多竞技运动或者游​​戏中，都会采用Elo评级系统来对选手或者玩家进行分级，比如足球、篮球、棒球比赛或者LOL、DOTA等游戏。

下面的“数据分析”和“基于数据的模型训练和预测”不再详细描述。 请移步实验楼查看：

课后作业：

在本课程中，我们仅使用-learn提供的方法来训练回归模型。 您可以尝试-learn中的其他机器学习方法，或者其他类似的开源框架，并使用我们提供的数据集进行训练。 如果使用-learn中的方法，可以参考实验楼的课程：eBay在线拍卖数据分析。 或者尝试使用下图的模型：

关注微信公众号【实验楼】，手机上查看海量项目教程。