利用Python演算世界盃比賽結果，程式員氣的拍桌子，後悔晚了！

標籤：進一步   形式   學習   分包   比賽結果   小夥伴   部分   過程   .com   

 

有些事情受萬眾矚目，它不是說受某一個行業，某一類人，而是全人類。6月份就有一件大事，那就是“世界盃”！

有些熱愛足球的小夥伴肯定關心的是比賽的過程、結果，自己喜歡的足球運動員是否能在比賽場上，馳聘風雲，大展雄風。然而我們卻都知道除此以外，還有些光明正大的足球菠菜存在，對於有些資深的玩家，甚至說給我一百塊，我就可以買房。。。（文末三段話，必看！）

 

你以為你是Python程式員嗎？你有科學的依據證明到底誰能勝場，比賽結果是幾比幾嗎？你只能靠經驗，比一般人強一點。就跟我聽到的一個笑話一樣：“世界盃論翻數有1000翻，如果你有三塊錢，你買了世界盃，那麼你三塊錢就沒了！”

 

有資料才可信，Python人工智慧預測一波“世界盃”比賽結果。

原理：

第一步：對兩個資料集深度分析

第二步：做特徵工程用來選擇最相關的特徵進行預測

第三步：資料處理，選擇一個機器學習模型

第四步：把它部署到資料集上

預測的比賽記錄：

 

 

 

葡萄牙：

C羅，戰神一般的存在。速度、意識，技巧等方面都是頂尖的存在，更加值得尊敬的是年紀這麼大卻仍然保持一顆不服輸的心。葡萄牙隊的其它隊員也是極強的，對於球機的把握，對於配合方面也是頂尖的，畢竟貴為新科歐洲杯冠軍！

西班牙：

經曆過失敗後，即使走掉了許多優秀的球員，也能夠苦思失敗的原因，艱難的重組戰隊，由此看出他們也是不好惹的存在，精神與意志力堅不可摧。各年輕的戰隊隊員呈現崛起之勢，成為了“預選賽之王”，誰與爭鋒？

 

載入資料集

 

深度分析

深度分析與特徵工程：最費時間的是分析出哪些特徵和機器學習模型相關。把目標的差異與結果列添加到結果資料集裡面，詳細的Python原始碼如下：

 

處理一部分包括僅有尼日利亞參加比賽的資料。有利於我們知道那些國家球隊的特色，然後拓展到參加世界盃的其它國家。具體代碼如下：

 

建立一個年份的列表，選擇自從1930年創辦“世界盃”之後的所有比賽，Python代碼如下：

 

和所有參加比賽的戰隊合并成一個資料框，代碼：

 

過濾一下結果資料框，顯示從1930年起僅在2018年世界盃上的戰隊，刪除無用元素。

 

Python實現代碼：

 

羅吉斯迴歸演算法：估計機率，測量分類因變數與一個或多個自變數之間的關係，就是累計物流配送。

 

建立學習模型：學習怎麼用每種資料的形式對遊戲結果產生積極，消極等影響遊戲結果的程度。給它真實準確的資料，填入其中，你就擁有一個預測以後結果的模型。

將最終資料框傳遞給羅吉斯迴歸演算法，Python實現代碼：

 

這樣的模型在訓練集上的準確率為僅有60%左右的準確率，這肯定不符合我們的要求，我們要進一步訓練模型，建立一個資料框，部署我們的模型。

 

將模型部署到資料集，從把模型部署到小組比賽開始進行比較。代碼和結果如下：

 

【小組賽預測的結果】

時間2：00

小組： 西班牙 、葡萄牙

預測的勝利小組：西班牙

 

時間18：00

小組： 法國、澳大利亞

預測的勝利小組：法國

 

時間21：00

小組：冰島、阿根延

預測的勝利小組： 阿根廷

 

賽事時間如所示：

 

其實線性迴歸，我們在高中的數學教材中就學到過，還記得嗎？在座標中，密密麻麻的一些點，讓你去尋找它們最相關的一個運算式？所有的點，最接近的哪條線，讓你列出運算式，所以Python演算法也沒想象中的那麼難，關鍵在於你的聯想，以及你曾經的知識儲備。

既然是最接近那條線，所以只能說預測的結果正確的機率會大一點。那麼，你們都懂了，何為預測？表示結果還是不確定的嘛！

利用Python演算世界盃比賽結果，程式員氣的拍桌子，後悔晚了！