2016-2017常规赛每场赛事的结果及实验流程课程

NBA总决赛刚刚结束，期待已久的世界杯又开始了。

每一个从不熬夜看球的早晨，

一切背叛游戏。

一、实验介绍

1.1 简介

不知道你的朋友圈有没有被某场NBA比赛的进度或结果刷屏？或者，也许你是一名 NBA 球迷，比赛中的每一个进球、抢断或压哨击球都会让你热血沸腾。除了观看精彩的比赛过程，我们也对比赛的结果充满好奇。因此，本课程将向学生展示如何利用过去的NBA比赛统计数据来判断每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 常规赛和季后赛的数据来预测 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 实验过程

在本课程中，我们将按照以下流程实现NBA比赛数据分析的任务：

1.获取比赛统计

2.分析比赛数据，得到代表每队每场比赛状态的特征表达式

3.用机器学习的方法学习每场比赛与获胜球队的关系，预测2016-2017赛季的比赛

1.5 代码获取

本实验的源码可以通过以下命令获取：

$ wget

二、获取 NBA 比赛统计数据

2.1 游戏资料介绍

在这个实验中，我们将使用来自篮球的统计数据。在这个网站上，你可以看到不同球员、球队、赛季和联赛的基本数据，比如积分、犯规等、胜负等等。我们将使用2015-16赛季的数据NBA赛季总结在这里。

在这份 2015-16 总结中的所有表格中，我们将使用以下三个数据表格：

我们将使用这三张表格来评估球队过去的战斗力，除了2015-16赛季NBA赛程和赛果中的2015-2016赛季常规赛和季后赛比赛数据，来评估Elo得分（后面的实验小节会解释） . 篮球从常规赛到季后赛的时间。列出了从 2015 年 10 月到 2016 年 6 月的每场比赛的比赛。

在上图中，您可以看到 2015 年 10 月的部分比赛数据。每个 Schedule 表中包含的数据为：

在进行预测时，我们还需要2016-17 NBA赛程和赛果中的2016-2017赛季NBA常规赛赛程数据。

2.2 获取匹配数据

我们将以 Team Per Game Stats 表数据为例，说明如何获取这三个统计数据。

1.进入篮球，在导航栏选择赛季，选择2015~2016赛季总结：

2.进入2015~2016

在Summary界面后，滑动窗口找到

Team Per Game Stats 表并选择左上角

分享及更多，从其下拉菜单中选择

以 CSV 格式获取表格（用于 Excel）：

3.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：

为了方便同学们进行实验，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。在后面的代码实现部分，我们会给出获取这些文件的地址。

三、数据分析

一旦获得数据，我们将使用每支球队过去的比赛和 Elo 等级来确定每支球队获胜的概率。在评估每支球队过去的比赛时，我们会使用三个表格 Team Per Game Stats、Opponent Per Game Stats 和 Miscellaneous Stats（以下简称 T****、O 和 M 表格）的数据，作为特征在比赛中代表一个球队的比赛。我们将最终实现每场比赛，预测哪支球队最终会赢得比赛，但不给出绝对的胜利或失败，而是预测获胜球队获胜的概率。所以我们将建立一个代表比赛的特征向量。它包括两支球队过去比赛的统计数据（T****、O 和 M 表），以及两支球队各自的 Elo 评分。

关于Elo分数，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FaceBook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。就是用他朋友Eduardo在橱窗上写的排名公式来比较不同女孩的等级，最后PK到胜者一方。

这个比较公式就是 Elo Score**** 评分系统。Elo 最初旨在为国际象棋中的不同玩家提供更好的评​​分。现在在很多竞技体育或游戏中，Elo评分系统用于对选手或选手进行分类，如足球、篮球、棒球比赛或LOL、DOTA等游戏。

这里我们将简单介绍一下基于国际象棋游戏的Elo评分系统。上图中，Eduardo在窗口上写的公式是根据Logistic Distribution计算PK双方（A和B）胜率期望值的公式。假设A和B的当前行列分为$$R_A$$和$$R_B$$，那么A对B的胜率期望值为：

B 对 A 的预期胜率为

如果玩家A在游戏中的实际得分$$S_A$$（赢1分，0.5分，减0分）与他的预期赢率$$E_A$$不同，那么他的排名得分为按以下公式调整：

在国际象棋中，K值会根据不同的等级点做相应的调整：

因此，我们将用来表示某场比赛数据的特征向量为（加入A队和B队）：[A队Elo得分，A队T，O****和M表统计，B队Elo得分， B队的T、O****、M表统计]

四、基于数据的模型训练和预测

4.1 实验前期准备

在这个实验环境中，我们将使用python的pandas、numpy、scipy和sklearn库，但是实验楼已经安装了numpy，所以在实验之前，我们需要使用pip命令安装其他三个Python库。

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

安装所需的实验库后，进入实验环境的Code目录，创建cs_782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

在data文件夹中，包含2015-2016年NBA数据的T、O****和M表，以及2015年常规赛和挑战赛处理后的比赛数据到16result.csv。这个数据文件是我们从2015-16赛季赛程和赛果中几个月的比赛数据中提取出来的，其中包括三个字段：

另一个文件是16-17Schedule.csv，也是2016-2017年NBA常规赛赛程表，包括两个字段：

4.2 代码实现

在 Code\cs_782 目录下，创建 prediction.py 开始实验。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，通过Team属性列连接三张表：

# 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，并在开始时没有排名时将其分配给初始 base_elo 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]

定义一个计算每个团队的 Elo 评分的函数：

# 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

根据我们初步良好的统计数据和各队的Elo得分计算结果今晚足球比赛结果预测图，建立2015-2016年常规赛和季后赛每场比赛对应的数据集（在主客场比赛中，我们考虑球队在主场打更有优势，因此会相应地为主队增加 100 个评分）：

**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main函数中调用这些数据处理函数，使用sklearn的Logistic Regression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在16~17年的常规赛数据中进行预测。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main函数中调用该函数，将预测结果输出到16-17Result.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)

运行预测.py：

生成预测结果文件 16-17Result.csv 文件：

五、总结

在本节课程中，我们使用一些统计数据来计算每支nba球队的Elo socre，并使用这些基本统计数据来评估每支球队过去的比赛，并使用国际评级方法Elo Score来评估球队目前的表现。对战级别进行评分，最后根据这些不同球队的特点，判断哪支球队能在一场比赛中获胜。但是，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值，而是给出了获胜机会较高的球队能够赢得另一支球队的概率。当然，我们用来评估一个团队绩效的数据量还是太少了（只用到了15-16年的数据）。如果你想要更准确、更系统的判断，您当然可以从各种统计数据网站中选择更多年份和更全面的数据。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。kaggle中有相关的篮球预测游戏，有兴趣的同学可以试试。

六、参考阅读七、课后练习

在本课程中，我们仅使用 scikit-learn 提供的 Logisitc Regression 方法来训练回归模型。能不能试试scikit-learn中的其他机器学习方法，或者其他类似TensorFlow的开源框架，结合数据集进行训练。如果使用Scikit-learn中的方法，可以参考实验楼的课程：eBay在线拍卖数据分析。或者结合下图试试模型：

八、常见问题补充

这里我们将对之前文档中解释模糊的部分做一些补充。如有任何问题，欢迎在课程讨论区讨论。

Q1：生成训练集时“为每局游戏数据左右随机分配特征值”是什么意思？为什么随机分配如下：

18.jpg

Q2：为什么X:[winTeam, lostTeam]对应标签Y:0，而X:[loseTeam,winTeam]对应标签Y:1。后面预测比赛结果[team1,team2]时，应该我们按照这个方法？Team1 在 $$prob 时获胜，概率为 $$1-prob$$，team2 在 $$prob>0.5$$ 时获胜今晚足球比赛结果预测图，概率为 $$prob$$？

答案和完整代码在这里：用 Python 进行 NBA 比赛数据分析

更多有趣的实验，可以直接参观实验楼。在线实验环境操作简单，定期为大家更新最好的实验！(●'◡'●)