原文链接：http://tecdat.cn/?p=5222

在本文中，我们将以Scikit-learn的决策树和随机森林预测NBA获胜者。美国国家篮球协会（NBA）是北美主要的男子职业篮球联赛，被广泛认为是首屈一指的男子职业篮球联赛在世界上。它有30个队（美国29个，加拿大1个）。

在常规赛期间，每支球队打82场比赛，每场41场。一支球队每年会有四次面对对手（16场比赛）。每个小组在其四次（24场比赛）中的其他两个小组中的六个小组中进行比赛，其余四个小组三次（12场）进行比赛。最后，每个队都会在另一场比赛中两次参加所有的球队（30场比赛）。

用决策树和随机森林预测NBA获胜者

＃导入数据集并解析日期
df = pd.read\_csv("NBA\_regularGames.csv",parse_dates=\["Date"\])

从描述中，我们可以计算概率。在每场比赛中，主队和客队都有一半概率赢得比赛。

在下面的代码中，我们将指定我们的分类。这将帮助我们查看决策树分类的预测是否正确。如果主队获胜，我们将指定我们的等级为1，如果访客队在另一个名为“主队赢”的列中获胜，我们将指定为0。

df\["Home Team Win"\] = df\["Visitor Points"\] < df\["Home Points"\]

主队胜率：58.4％

数组现在拥有scikit-learn可以读取的格式。

我们将创建以下功能来帮助我们预测NBA的获胜者。

无论是来访者还是主队都赢得了最后一场比赛。

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。