教你使用预测NBA比赛的结果|实验环境1.4实验流程

文字总数：3240 字

预计阅读时间：8分钟‍

1 实验简介 1.1 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？ 或者你是一名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。

1.2 实验知识点 1.3 实验环境 1.4 实验流程

在本课程中，我们将按照以下流程来实现分析NBA比赛数据的任务：

获取游戏统计数据

分析比赛数据nba比赛预测，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

1.5 代码获取

本实验的源码可以通过以下命令获取：

$ wget http://labfile.oss.aliyuncs.com/courses/782/prediction.py

2. 获取NBA比赛统计数据 2.1 比赛数据介绍

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。

在2015-16年总结的所有表格中，我们将使用以下三个数据表：

| 数据名称| 含义|| ------------------------------------------------ | ------ -------- || Rk——排名| 排名|| G——游戏| 玩过的游戏数量（均为 82）|| 议员--| 每场比赛平均时间|| FG——射门得分| 射门得分 | | FGA--射门得分| 射门得分 || FG%——投篮命中率| 射门得分 | -3 分投篮 | 三分球出手次数|| 3P%--3分投篮| 三分球命中率|| 2P--2分投篮| 两分球命中数|| 2PA--2 分投篮 | 两分球出手次数|| 2P%--2分投篮| 两分球命中率|| FT--免费 | 罚球次数|| FTA--罚球| 罚球次数|| FT%——罚球| 罚球命中率|| ORB-- | 进攻篮板|| DRB--| 防守篮板|| TRB--总计| 总篮板数|| 谷草转氨酶-- | 助攻|| STL--| 偷窃|| 黑色--| 块|| 电视-- | 营业额|| PF——犯规| 个人犯规|| PTS -- | 积分|

数据项数据含义

Rk(排名)

排行

年龄

团队成员平均年龄

W（胜）

获胜次数

左()

失败次数

PW（胜）

基于毕达哥拉斯理论计算的获胜概率

PL ( )

基于毕达哥拉斯理论计算的失败概率

MOV ( 的 )

获胜之间的平均间隔

求救 ( 的 )

用于判断对手选择自己球队或其他球队的难度。 0是平均线，可以是正数或负数。

SRS ( )

或 ( )

每 100 场比赛的进攻次数比例

DRtg ( )

每100场比赛的防守比率

配速（配速）

每 48 分钟大约进行多少轮？

FTr（罚球命中率）

罚球与投篮命中率

3PAr（三分球命中率）

三分球命中数与出手次数之比

TS%（真实）

总 2 分、3 分和罚球百分比

eFG%（射门得分）

有效命中率（包括两分球和三分球）

TOV% ( )

每100场比赛失误比例

ORB% ( )

球队每位球员的平均进攻篮板率

FT/FGA

罚球数占投篮命中率的百分比

eFG%（射门得分）

对手投篮命中率

TOV% ( )

对手的换手率

DRB% ( )

球队每名球员的平均防守篮板率

FT/FGA（每场进球免费）

对手的罚球次数占投篮次数的百分比

毕达哥拉斯定律：

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nba比赛预测，可以看到2015年10月以来的一些比赛数据。各个**表中包含的数据为：

数据项数据含义

日期

比赛日期

开始（东部时间）

比赛开始时间

/

客队

PTS

客队最后比分

家/

主队

PTS

主队最后比分

笔记

备注，注明是否超时等。

预测时，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app，在导航栏中选择并选择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，选择左上角的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，但这并不是绝对的胜负情况，而是对获胜球队获胜概率的预测。 因此，我们将构建一个表示匹配的特征向量。 它由两队过去比赛的统计数据（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，比较不同女孩的成绩，最后通过PK决出胜负。

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。 现在很多竞技体育或者游戏中，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。

这里我们简单介绍一下基于国际象棋比赛的Elo排名系统。 上图中窗口上写的公式是基于计算PK双方（A和B）的预期胜率的计算公式。 假设A、B当前等级分为$$R_A$$和$$R_B$$，则A对B的预期胜率为：

B 对 A 的预期胜率为

如果玩家A在游戏中的真实得分$$S_A$$（胜1分，胜0.5分，负0分）与他的预期胜率$$E_A$$不同，那么他的等级得分应根据按如下公式调整：

在国际象棋中，K值会根据级别的不同进行相应的调整：

因此，我们用来表示某场比赛数据的特征向量为（加入A队和B队之间的比赛）：[A队的Elo得分，A队的T、O和M表统计数据nba比赛预测，B队的Elo得分，球队B的T、O、M表统计]

4. 基于数据的模型训练和预测 4.1 实验准备

在这个实验环境中，我们将使用numpy、scipy和库。 不过实验楼已经安装了numpy，所以在实验之前我们需要使用pip命令安装其他三个库。

$ sudo pip install pandas
$ sudo pip install scipy
$ sudo pip install sklearn

安装完所需的实验库后，进入实验环境的Code目录，创建文件夹，通过以下地址获取我们为您处理好的csv文件压缩包data.zip：

$ cd Code
$ mkdir cs_782 && cd cs_782

# 获取数据文件
$ wget http://labfile.oss.aliyuncs.com/courses/782/data.zip

# 解压data压缩包并且删除该压缩包
$ unzip data.zip 
$ rm -r data.zip

数据文件夹包含2015年至2016年NBA数据的T、O和M表，以及处理后的常规赛和挑战赛数据2015~.csv。 这个数据文件是2015-16月份的比赛数据中提取出来的，包括三个字段：

另一个文件是16-.csv，这也是我们处理得到的2016~2017年NBA常规赛赛程表。 它包括两个字段：

4.2 代码实现

在Code\目录中，创建.py以开始实验。 首先插入实验相关模块：

# -*- coding:utf-8 -*-
import pandas as pd
import math
import csv
import random
import numpy as np
from sklearn import linear_model
from sklearn.model_selection import cross_val_score

设置回归训练所需的参数变量：

# 当每支队伍没有elo等级分时，赋予其基础elo等级分
base_elo = 1600
team_elos = {} 
team_stats = {}
X = []
y = []
folder = 'data' #存放数据的目录

一开始需要初始化数据，从T、O、M表中读取数据，去掉一些不相关的数据并通过Team属性列连接三个表：

# 根据每支队伍的Miscellaneous Opponent，Team统计数据csv文件进行初始化
def initialize_data(Mstat, Ostat, Tstat):
new_Mstat = Mstat.drop(['Rk', 'Arena'], axis=1)
new_Ostat = Ostat.drop(['Rk', 'G', 'MP'], axis=1)
new_Tstat = Tstat.drop(['Rk', 'G', 'MP'], axis=1)

team_stats1 = pd.merge(new_Mstat, new_Ostat, how='left', on='Team')
team_stats1 = pd.merge(team_stats1, new_Tstat, how='left', on='Team')
return team_stats1.set_index('Team', inplace=False, drop=True)

获取每个团队的 Elo Score 函数，并在开始时没有成绩时为其分配一个初始值：

def get_elo(team):
try:
return team_elos[team]
except:
# 当最初没有elo时，给每个队伍最初赋base_elo
team_elos[team] = base_elo
return team_elos[team]

定义一个函数来计算每个团队的 Elo 评分：

# 计算每个球队的elo值
def calc_elo(win_team, lose_team):
winner_rank = get_elo(win_team)
loser_rank = get_elo(lose_team)

rank_diff = winner_rank - loser_rank
exp = (rank_diff  * -1) / 400
odds = 1 / (1 + math.pow(10, exp))
# 根据rank级别修改K值
if winner_rank < 2100:
k = 32
elif winner_rank >= 2100 and winner_rank < 2400:
k = 24
else:
k = 16
new_winner_rank = round(winner_rank + (k * (1 - odds)))
new_rank_diff = new_winner_rank - winner_rank
new_loser_rank = loser_rank - new_rank_diff

return new_winner_rank, new_loser_rank

基于我们前期良好的统计数据以及各球队的Elo分数计算结果，我们建立了2015~2016赛季常规赛和季后赛每场比赛对应的数据集（主客场我们考虑主场球队）更有优势，故主队相应加100级积分）：

def  build_dataSet(all_data):
print("Building data set..")
X = []
skip = 0
for index, row in all_data.iterrows():

Wteam = row['WTeam']
Lteam = row['LTeam']

#获取最初的elo或是每个队伍最初的elo值
team1_elo = get_elo(Wteam)
team2_elo = get_elo(Lteam)

# 给主场比赛的队伍加上100的elo值
if row['WLoc'] == 'H':
team1_elo += 100
else:
team2_elo += 100

# 把elo当为评价每个队伍的第一个特征值
team1_features = [team1_elo]
team2_features = [team2_elo]

# 添加我们从basketball reference.com获得的每个队伍的统计信息
for key, value in team_stats.loc[Wteam].iteritems():
team1_features.append(value)
for key, value in team_stats.loc[Lteam].iteritems():
team2_features.append(value)

# 将两支队伍的特征值随机的分配在每场比赛数据的左右两侧
# 并将对应的0/1赋给y值
if random.random() > 0.5:
X.append(team1_features + team2_features)
y.append(0)
else:
X.append(team2_features + team1_features)
y.append(1)

if skip == 0:
print X
skip = 1

# 根据这场比赛的数据更新队伍的elo值
new_winner_rank, new_loser_rank = calc_elo(Wteam, Lteam)
team_elos[Wteam] = new_winner_rank
team_elos[Lteam] = new_loser_rank

return np.nan_to_num(X), y

最后，在主函数中调用这些数据处理函数，并使用以下方法建立回归模型：

if __name__ == '__main__':

Mstat = pd.read_csv(folder + '/15-16Miscellaneous_Stat.csv')
Ostat = pd.read_csv(folder + '/15-16Opponent_Per_Game_Stat.csv')
Tstat = pd.read_csv(folder + '/15-16Team_Per_Game_Stat.csv')

team_stats = initialize_data(Mstat, Ostat, Tstat)

result_data = pd.read_csv(folder + '/2015-2016_result.csv')
X, y = build_dataSet(result_data)

# 训练网络模型
print("Fitting on %d game samples.." % len(X))

model = linear_model.LogisticRegression()
model.fit(X, y)

#利用10折交叉验证计算训练正确率
print("Doing cross-validation..")
print(cross_val_score(model, X, y, cv = 10, scoring='accuracy', n_jobs=-1).mean())

最后，利用训练好的模型对2016-17赛季常规赛数据进行预测。 使用该模型确定新游戏的结果并返回其获胜概率：

def predict_winner(team_1, team_2, model):
features = []

# team 1，客场队伍
features.append(get_elo(team_1))
for key, value in team_stats.loc[team_1].iteritems():
features.append(value)

# team 2，主场队伍
features.append(get_elo(team_2) + 100)
for key, value in team_stats.loc[team_2].iteritems():
features.append(value)

features = np.nan_to_num(features)
return model.predict_proba([features])

在主函数中调用该函数，将预测结果输出到16-.csv文件中：

#利用训练好的model在16-17年的比赛中进行预测
print('Predicting on new schedule..')
schedule1617 = pd.read_csv(folder + '/16-17Schedule.csv')
result = []
for index, row in schedule1617.iterrows():
team1 = row['Vteam']
team2 = row['Hteam']
pred = predict_winner(team1, team2, model)
prob = pred[0][0]
if prob > 0.5:
winner = team1
loser = team2
result.append([winner, loser, prob])
else:
winner = team2
loser = team1
result.append([winner, loser, 1 - prob])

with open('16-17Result.csv', 'wb') as f:
writer = csv.writer(f)
writer.writerow(['win', 'lose', 'probability'])
writer.writerows(result)

运行.py：

生成预测结果文件16-.csv文件：

5. 总结

在本课程中，我们使用一些统计数据来计算每支NBA球队的Elo socre，并利用这些基础统计数据来评估每支球队过去的比赛表现，并根据国际评分方法Elo Score来评估球队当前的表现。 对战斗水平进行评分，最后结合这些不同队伍的特点来决定哪支队伍能够在一场比赛中占据优势。 但在我们的预测结果中，与以往不同的是，我们并没有给出绝对的正负，而是给出了获胜机会更大的球队能够赢得另一支球队的概率。 当然，我们这里用来评估一个团队表现的数据量太少了（只使用了2015年到2016年一年的数据）。 如果你想要更准确、更系统的判断，如果你有兴趣，当然可以从各种统计数据网站上获取更多年份、更全面的数据。 结合不同的回归和决策机器学习模型，构建更全面、预测精度更高的模型。 有相关的篮球预测比赛。 有兴趣的同学可以尝试一下。

6. 参考阅读 7. 课后练习

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网上拍卖数据分析。 或者尝试使用下图的模型：

8. 补充常见问题解答

这里我们对之前文档中解释的不清楚的部分进行一些补充。 如果有任何疑问，欢迎同学们在课程讨论区讨论。

Q1：生成训练集时，“为每个游戏数据的左右两侧随机分配特征值”是什么意思？ 为什么我们需要进行如下随机分配：

Q2：为什么X:[,]对应标签Y:0，如果team1赢了，获胜概率是$$1-prob$$。 当$$prob>0.5$$时，team2获胜，获胜概率为$$prob$$？

点击阅读答案和完整代码即可观看原文。 敲代码是学习编程的唯一途径。 在PC上登录实验楼，自己输入这个项目！