NBA明星的社交数据分析

NBA的超级明星不仅是生活中的大人物，他们的追随者也不局限于在球场上。Twitter提供了一个专业的赛场，为垃圾话，个人政治观点提供了出口，同时增长了巨大的粉丝群体。我们想要深入的看一下：

1. 探索一下工资，twitter追随者，以及其他NBA统计数据之间的关系

2. 我们可不可以使用机器学习，给定一个球员，通过Twitter的追随者数量来预测工资

3. NBA的球员现在是怎用用Twitter的

数据

从Kaggle的公开数据库中拿到了数据。数据集叫做NBA社交影响力，在 这里下载。

Top 10 Twitter Followers

 

一旦我们发现了有最多的twitter跟随者的球员，我们需要看看是不是这些名字也在最高收入的球员名单上。

Top 10 Salary Players

 

10个里面，有6个两个名单上都有。我们之后会进一步看看，是否整个NBA都有这样的一个关系。

使用线性回归通过Twitter跟随者数量预测收入:

目的是使用线性回归来构建一个交互式预测模型

第一步是决定将哪些统计量放到我们的模型里，我们做了许多变量的散点图，希望能够找到最显著的正相关的变量。

探索性数据分析:

• 刚开始考虑是什么因素使得球员能够获得最高的收入的时候，我们首先考虑的是得分，助攻，篮板还有年龄作为影响球员收入的统计量。然后我们做了这些变量的散点图。所有的下面这些都是非常强的正相关的关系。

1. 场均得分

2. 场均助攻

3. 场均篮板

4. 球员年龄

5. 

    

Salary vs. Points

Salary vs. Assists

Salary vs. Rebounds

Salary vs. Age

 

使用这些结果，我们可以构建一个模型基于这4个非常重要的因素来预测球员的工资。我们使用Python的statsmodels来构建线性回归模型。

Linear Regression Model For Salary

 

正如你看到的，模型中的变量具有的P值基本都是0，表示这些变量非常显著，只有助攻的P值有点高0.092。但是，考虑到助攻在NBA中的重要性，我们在模型中还是保留了。

如何解释这些数字

每个变量（年龄，助攻，篮板，得分）都有一个系数，用这个系数乘上输入的变量的数字。例如，球员#1是25岁，场均18分，6助攻，5.3篮板。他的工资可以这样计算：

Salary = (25 * 0.4821) + (18 * 0.4857) + (6 * 0.3045) + (5.3 * 0.4655)- 12.4806

Twitter从何而来?

原来我们想用同样的统计量像预测球员工资一样来预测球员的Twitter的跟随者数量。但是，这样几乎不可能，因为没有一个变量对于球员的Twitter跟随者数量是显著的，不过我们的确有一个发现：

Twitter Followers vs. Salary

 

球员的Twitter跟随者数量和球员的工资是强正相关的关系

Linear Regression Model for Twitter Followers

 

计算Twitter的跟随者数量:

1. 我们使用4个变量，年龄，得分，助攻，篮板

2. 我们用第一个模型计算球员的工资

3. 我们使用球员工资作为输入，用第二个模型计算球员的Twitter跟随者数量

例子：Age- 25, Points- 18, Assists- 6, Rebounds- 5.3

预测工资 = $12.58 million

使用模型#2- Twitter跟随者数量 = (12.58 * 0.2195)- 0.9612

预测Twitter跟随者数量= 1.80 million

预测一个球员的工资很难，看看很低的R方值就知道了。我们的计划是使用球员的统计信息，如得分，助攻，篮板，年龄来计算工资，再用工资来计算球员的Twitter跟随者数量。我们做了一个工具，可以输入一个假设的球员的数据，计算球员的工资和Twitter的跟随者数量。

点击这里查看NBA球员Twitter跟随者数量计算器

计算一个球员的Twitters跟随者数量很有难度，不过，我们可不可以用机器学习来提升我们的方案呢。

使用机器学习来预测工资和Twitter跟随者数量:

在用机器学习之前，我们做了一个相关性的热力图，帮助我们确认哪些变量可以丢掉，哪些需要保留。

Heat Map

 

机器学习预测工资

根据我们从热力图收集的信息和模型完成之后的一些测试，我们决定了在计算工资时丢掉除了下面的之外的其他的统计量。

An example of the cleaned data set for machine learning

 

这些统计量对于工资都是正相关的，这些数据我们在做线性回归的时候都会用到，但是我们还用到了更多的数据，来给模型更多的信息。我们还决定预测工资的最佳方法是预测一个工资的范围，每个范围的区间是5百万美元，不这样做的话，几乎不可能得到比较准确的预测。我们可以看看我们的模型对于区间的预测效果怎么样。跑了几个不同的模型，我们发现随机森林分类器准确率最高。我们跑了多次，每次机会都在50%到60%之间，这比瞎猜显然要好多了，为什么不能进一步优化模型了呢，有几个原因。主要的是，我们的数据集太有限了，没有拿到所有的NBA的球员。另外一个原因是，NBA的球员的表现并不完全和工资相匹配。新秀合同有4年，如果新秀球员表现的很好，那么会和工资不匹配。同样的，伤病也会让一个高工资的球员表现很差。可以这么说，我们的模型预测是球员的真实状态下的工资。

机器学习计算Twitter跟随者数量

不幸的是，我们的数据对于预测Twitter跟随者并没有什么用。我们的数据集里面并没有足够的球员有很多的Twitter跟随者，很多只有很少的Twitter跟随者。和工资的机器学习一样，我们需要预测一个区间，但是数据集中大部分的数据Twitter跟随者都很少，所以数据是偏向少的Twitter跟随者一边的。因为这个，这个反馈并没有给我们什么有用的信息。

当前NBA的Twitter中的模式:

我们想分析一下出名的NBA球员的Twitter，那些有大量Twitter跟随者的账号。作为一个案例，我们分析了10个当前最多的Twitter跟随者的NBA球员，如下：

Top Ten Most Followed NBA Players with Followers in Millions

 

决定了我们需要分析的球员之后，我们试着假设是什么吸引人们关注这些球员。当然，NBA球星是一个主要的因素，这个我们没办法关联到数据上，但是这个并不能完全解释这个top10的名单。 Dwight Howard在走下坡路，Pau Gasol大部分时间是个角色球员， Blake Griffin依然打的很好，过去几个赛季一直伤病困扰。另外， Carmelo Anthony逐渐淡出NBA。那么还有什么其他的原因导致了这些球员这么受欢迎呢？我们拉了最近的1000天的球员的Twitter，决定分析一下球员的tweet，账号多长时间了，有多少好友，有多少人关注，最后进行一个情感的分析，看看是不是受得了这么多人的关注。

我们的一个想法是，多少人关注这个球员的一个潜在的因素是他们在Twitter上有多活跃。你可以看到，过去1000天的tweets数量图，基本上和关注者的趋势差不多，除了 Dwight Howard 和 Pau Gasol。就像我们之前讨论的，这是两个不在当前NBA水准的样本，所以他们的持续Twitter的曝光保持了他们能够被高度关注。

另外的一个因素是账号的时间，这给了他们更多的时间来获取关注。然后，结果并没有什么用，Pau Gasol用很少的时间积累了大量的跟随者。

我们再看好友数量，只有Dwight Howard一枝独秀，这也解释了为什么他会有这么多的关注，考虑到他实际的比赛表现。好友越多，表示有更多的互动，传播更广。

最后，我们基于最近1000天的tweets做了一个情感分析，我们分析了每个球员的每个tweet，但是没有包括表情和链接，所以有点缺陷，情感和关注者有那么一点关系，每个球员都有一个积极情感得分。

总的来说，很难确定这些球员的Twitter的跟随者的准确原因，但是数据给我我们一些有用的信息和NBA的Twitter的一些信息。每个球员除了Pau Gasol都在NBA的工资顶端，也在Twitter上非常活跃。球星的影响力，加上和球迷的亲和力，让这些球员有了巨大的关注者，而且未来还会持续的增加。

[这个 工程的代码链接](https://github.com/holdenbridge/Big-Data-Final-Project)