基于SVM+Webdriver的智能NBA常规赛与季后赛结果预测系统——机器学习算法应用(含python、ipynb工程源码)+所有数据集(四)

本文主要是介绍基于SVM+Webdriver的智能NBA常规赛与季后赛结果预测系统——机器学习算法应用(含python、ipynb工程源码)+所有数据集(四),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

  • 前言
  • 总体设计
    • 系统整体结构图
    • 系统流程图
  • 运行环境
  • 模块实现
    • 1. 数据预处理
    • 2. 特征提取
    • 3. 模型训练及评估
    • 4. 模型训练准确率
  • 系统测试
    • 1. 测试效果
      • 1)常规赛预测效果
      • 2)季后赛预测效果
    • 2. 模型应用
  • 相关其它博客
  • 工程源代码下载
  • 其它资料下载


在这里插入图片描述

前言

本项目使用了从NBA官方网站获得的数据,并运用了支持向量机(SVM)模型来进行NBA常规赛和季后赛结果的预测。此外,项目还引入了相关系数法、随机森林分类法和Lasso方法,以评估不同特征的重要性。最后,使用Python库中的webdriver功能实现了自动发帖,并提供了科学解释来解释比赛预测结果。

首先,项目采集了NBA官方网站上的各种数据,这些数据包括球队与对手的历史表现、球员数据、赛季统计等。这些数据用于构建常规赛或季后赛结果的预测模型。

其次,支持向量机(SVM)模型被用来分析这些数据以进行常规赛或季后赛结果的预测。SVM是一种强大的机器学习算法,可以通过分析数据来确定不同特征对比赛结果的影响。

项目还使用了相关系数法、随机森林分类法和Lasso方法,以评估每个特征对常规赛或季后赛结果的重要性。这有助于识别哪些因素对比赛胜负有更大的影响。

最后,项目利用Python中的webdriver库自动发帖,在开源中国论坛中发布关于比赛预测的帖子。这些帖子不仅提供了预测结果,还附带了科学解释,以便其他球迷能够理解模型如何得出这些预测。这对于NBA球迷和数据科学爱好者来说可能是一个非常有趣的项目,能够帮助他们更好地理解比赛和预测比赛结果。

总体设计

本部分包括系统整体结构图和系统流程图。

系统整体结构图

系统整体结构如图所示。

在这里插入图片描述

系统流程图

模型处理流程如图所示。

在这里插入图片描述

自动发帖流程如图所示。

在这里插入图片描述

运行环境

本部分包括Python环境、Jupyter Notebook环境、PyCharm环境和Matlab环境。

详见博客。

模块实现

本项目包括4个模块:数据预处理、特征提取、模型训练及评估、模型训练准确率,下面分别介绍各模块的功能及相关代码。

1. 数据预处理

数据处理分为常规赛和季后赛。

详见博客。

2. 特征提取

本部分包括常规赛特征提取和季后赛特征提取。

详见博客。

3. 模型训练及评估

本部分包括常规赛预测模型和季后赛模型创建。

详见博客。

4. 模型训练准确率

详见博客。

系统测试

本部分包括测试效果及模型应用。

1. 测试效果

本部分包括常规赛模拟预测和季后赛模拟预测效果。

1)常规赛预测效果

相关代码如下:

pred_y_ss=pd.Series(pred_y_pro[:,1]).map(lambda x:1 if x>0.5 else 0)
#通过调节百分比,控制主队获胜难度
result=pd.concat([schedule1617,pred_y_ss],axis=1)
#使用concat函数将18~19赛季比赛日历与预测结果拼接,形成预测日历
result.columns=['Vteam', 'Hteam', 'win']
#Vteam,Hteam分别为客场与主场球队,前者获胜则win值为1
result.head()

主客队胜负预测结果头部如下表所示。

在这里插入图片描述
常规赛模拟预测结果如下表所示。

Homewin_ss=result.groupby('Hteam').win.sum()
#求出每个球队的主场胜利情况
VictorWin_ss=result.groupby('Vteam').win.apply(lambda x:x.count()-x.sum())
#求出每个球队的客场胜利情况
result_per_team=pd.concat([Homewin_ss,VictorWin_ss],axis=1)
#生成每个球队的主客场胜负表
#计算出每个球队的总胜场、总负场及胜率,添加至表中
result_per_team.columns=['Hwin','Vwin']
result_per_team['total_win']=result_per_team.sum(axis=1)
result_per_team['total_lose']=82-result_per_team['total_win']
result_per_team['win%']=(round(result_per_team['total_win']/82*100,0)).astype('str')+'%'
#按照总胜场对球队进行排序
result_per_team.sort_values('total_win',ascending=False)

在这里插入图片描述

2)季后赛预测效果

由于本赛季停摆,对2018-2019赛季的季后赛程进行模拟预测的相关代码如下:

#生成测试集18~19赛季
X1, y1 = data_form('1819playoff.xlsx', z='test')
#预测18~19赛季的季后赛结果
pred_y = model.predict(X1).tolist()
#print(pred_y.tolist())
#print(y1)
aaa = pd.read_excel('1819playoff.xlsx')
pred_result = pd.DataFrame(index=range(len(y1)), columns=['team1', 'team2', 'Winner'])
#预测结果形成数据框
for i in range(len(pred_y)):if pred_y[i] == 1:pred_result.loc[[i], ['team1']] = aaa.loc[[i], ['Teamw']].valuespred_result.loc[[i], ['team2']] = aaa.loc[[i], ['Teaml']].valuespred_result.loc[[i], ['Winner']] = aaa.loc[[i], ['Teamw']].valueselse:pred_result.loc[[i], ['team1']] = aaa.loc[[i], ['Teamw']].valuespred_result.loc[[i], ['team2']] = aaa.loc[[i], ['Teaml']].valuespred_result.loc[[i], ['Winner']] = aaa.loc[[i], ['Teaml']].values
#结果写入文件
pred_result.to_csv('data_pred_result.csv')

季后赛模拟预测结果如下表所示。

在这里插入图片描述

读者可以利用本部分代码,下载最新数据对未来的比赛结果进行预测。

2. 模型应用

本部分介绍预测结果使用Python自动发帖的方法,打开火狐浏览器,进入OSCHINA网站登录页。

相关代码如下:

user_main_url = 'https://my.oschina.net/u/564070'  
username = '15201308426'  
password = '5944608ab'  
driver = webdriver.Firefox(executable_path='drivers/geckodriver.exe')
#最大化窗口
driver.maximize_window()  

登录页面如下图所示。

#firefox元素定位,直接使用F12可以查看需要的参数,用户名和密码是自己定义的字符串
driver.find_element_by_id('userMail').send_keys(username)  
driver.find_element_by_id('userPassword').send_keys(password)  
#找到登录按钮并单击  
driver.find_element_by_xpath('//*[@id="account_login"]/form/div/div[5]/button').click() 

在这里插入图片描述
发帖操作界面如下图所示。

在这里插入图片描述

#进入主页  
while True:  #判断是否在个人主页中 if user_main_url in driver.current_url:  print('成功进入到个人加载页面')  break  else:  #不在个人主页中则继续加载time.sleep(1)   
#单击进入写作页 
driver.get('https://my.oschina.net/u/4145284/blog/write')  
time.sleep(3)  
#标题和正文内容在此修改
title_content = 'NBA常规赛预测'
#title_content = 'NBA季后赛预测'
f = open("常规赛.txt","r")#设置文件对象
#f = open("季后赛.txt","r")#设置文件对象
text_content = f.read()#将.txt文件的所有内容读入到字符串str中
f.close()#将文件关闭
#上述的“常规赛.txt”和“季后赛.txt”分别是常规赛和季后赛的预测结果
#填写标题
titleInput = driver.find_element_by_xpath('//*[@name="title"]')  
#title属性变成name
titleInput.send_keys(title_content)  
#调用iframe填写内容。Iframe又叫浮动帧标记,可以将HTML文档嵌入在HTML中显示
xf = driver.find_element_by_xpath('//iframe[@class="cke_wysiwyg_frame cke_reset"]')  
driver.switch_to.frame(xf)  
#text_content是发帖正文  
driver.find_element_by_xpath('//body[@class="cke_editable cke_editable_themed cke_contents_ltr cke_show_borders"]').send_keys(text_content)  
#输入正文之后,转回父页面  
driver.switch_to.parent_frame()  
#通过网页源代码可以查看所需参数  
#右上角6503759-工作日期,6503760-日常记录,6503761-转帖的文章,模仿鼠标进行单击
driver.find_element_by_xpath('//div[@class="ui dropdown selection"]').click()  
time.sleep(1)  
driver.find_element_by_xpath("//div[@data-value='6503760']").click()  
#左下角系统分类,该部分方法与前一步一样,选择-游戏开发
driver.find_element_by_xpath('//*[@id="writeArticleWrapper"]/div/div/form/div[4]/div[1]/div').click()  
time.sleep(1)  
driver.find_element_by_xpath("//div[@data-value='429511']").click()  
#单击发表按钮 
driver.find_element_by_xpath('//*[@id="writeArticleWrapper"]/div/div/form/div[8]/div[1]').click()  
print('发表成功')  

发帖效果如图4~图6所示。

在这里插入图片描述

图4 发帖展示界面1

在这里插入图片描述

图5 发帖展示界面2

在这里插入图片描述

图6 发帖展示界面3

相关其它博客

基于SVM+Webdriver的智能NBA常规赛与季后赛结果预测系统——机器学习算法应用(含python、ipynb工程源码)+所有数据集(一)

基于SVM+Webdriver的智能NBA常规赛与季后赛结果预测系统——机器学习算法应用(含python、ipynb工程源码)+所有数据集(二)

基于SVM+Webdriver的智能NBA常规赛与季后赛结果预测系统——机器学习算法应用(含python、ipynb工程源码)+所有数据集(三)

工程源代码下载

详见本人博客资源下载页


其它资料下载

如果大家想继续了解人工智能相关学习路线和知识体系,欢迎大家翻阅我的另外一篇博客《重磅 | 完备的人工智能AI 学习——基础知识学习路线,所有资料免关注免套路直接网盘下载》
这篇博客参考了Github知名开源平台,AI技术平台以及相关领域专家:Datawhale,ApacheCN,AI有道和黄海广博士等约有近100G相关资料,希望能帮助到所有小伙伴们。

这篇关于基于SVM+Webdriver的智能NBA常规赛与季后赛结果预测系统——机器学习算法应用(含python、ipynb工程源码)+所有数据集(四)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/340958

相关文章

Python基础文件操作方法超详细讲解(详解版)

《Python基础文件操作方法超详细讲解(详解版)》文件就是操作系统为用户或应用程序提供的一个读写硬盘的虚拟单位,文件的核心操作就是读和写,:本文主要介绍Python基础文件操作方法超详细讲解的相... 目录一、文件操作1. 文件打开与关闭1.1 打开文件1.2 关闭文件2. 访问模式及说明二、文件读写1.

Python将博客内容html导出为Markdown格式

《Python将博客内容html导出为Markdown格式》Python将博客内容html导出为Markdown格式,通过博客url地址抓取文章,分析并提取出文章标题和内容,将内容构建成html,再转... 目录一、为什么要搞?二、准备如何搞?三、说搞咱就搞!抓取文章提取内容构建html转存markdown

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

Python Websockets库的使用指南

《PythonWebsockets库的使用指南》pythonwebsockets库是一个用于创建WebSocket服务器和客户端的Python库,它提供了一种简单的方式来实现实时通信,支持异步和同步... 目录一、WebSocket 简介二、python 的 websockets 库安装三、完整代码示例1.

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器:探测开放端口2.简易 HTTP 服务器:10 秒搭个网页3.局域网游戏:多人联机对战4.

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

Linux系统中卸载与安装JDK的详细教程

《Linux系统中卸载与安装JDK的详细教程》本文详细介绍了如何在Linux系统中通过Xshell和Xftp工具连接与传输文件,然后进行JDK的安装与卸载,安装步骤包括连接Linux、传输JDK安装包... 目录1、卸载1.1 linux删除自带的JDK1.2 Linux上卸载自己安装的JDK2、安装2.1

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优