采用 Python 机器学习预测足球比赛结果

采用 Python 机器学习预测足球比赛结果

足球是世界上最火爆的运动之一，世界杯期间也往往是球迷们最亢奋的时刻。比赛狂欢季除了炸出了熬夜看球的铁杆粉丝，也让足球竞猜也成了大家茶余饭后最热衷的话题。甚至连原来不怎么看足球的人，也是暗中努力恶补了很多足球相关知识，想通过赛事竞猜先赚一个小目标。今天我们将介绍如何用机器学习来预测足球比赛结果！

本 Chat 采用 Python 编程语言，使用 人工智能建模平台 Mo 作为在线开发环境进行编程，通过获取 2000 年到 2018 年共 19 年英超的比赛数据，然后基于监督学习中逻辑回归模型、支持向量机模型和 XGBoost 模型，对英超比赛结果进行预测。

下面我们一起来看看预测英超比赛结果的机器学习步骤：

主要流程步骤

1. 获取数据和读取数据的信息
2. 数据清洗和预处理
3. 特征工程
4. 建立机器学习模型并进行预测
5. 总结与展望

1. 获取数据和读取数据的信息

首先我们进入 Mo 工作台，创建一个空白项目，点击 开始开发 进入内嵌 JupyterLab 的 Notebook 开发环境。

接着我们需要在项目中上传数据集。

英超每年举办一个赛季，在每年的 8 月到第二年的 5 月进行，共有 20 支球队，实行主客场双循环赛制，每个赛季共 38 轮比赛（其中 19 场主场比赛，19 场客场比赛），每轮比赛共计 10 场比赛，所以每个赛季，英超共有 380 场比赛。

• 数据集地址

• 数据集中特征说明文档

如果您已经在 MO 平台新建项目，可以在平台直接导入数据集，流程如下：

1.1 读取 csv 数据接口解释

• 采用 Pandas 读取、写入数据 API 汇总网址
  读取 csv 数据一般采用 pandas.read_csv()：
  pandas.read_csv(filepath_or_buffer, sep =',' , delimiter = None)
  • filepath_or_buffer:文件路径
  • sep:指定分隔符，默认是逗号
  • delimiter：定界符，备选分隔符（如果指定改参数，则sep失效）
  • usecols: 指定读取的列名，列表形式

# 导入必须的包
import warnings
warnings.filterwarnings('ignore')  # 防止警告文件的包
import pandas as pd  # 数据分析包
import os
import matplotlib.pyplot as plt # 可视化包
import matplotlib
%matplotlib inline
import seaborn as sns  # 可视化包
from time import time
from sklearn.preprocessing import scale  # 标准化操作
from sklearn.model_selection import train_test_split  # 将数据集分成测试集和训练集
from sklearn.metrics import f1_score  # F1得分
import xgboost as xgb  # XGBoost模型
from sklearn.svm import SVC  ## 支持向量机分类模型
from sklearn.linear_model import LogisticRegression  # 逻辑回归模型
from sklearn.model_selection import GridSearchCV  # 超参数调参模块
from sklearn.metrics import make_scorer  # 模型评估
import joblib  # 模型的保存与加载模块
复制代码

下面开始我们的表演：

# 获取地址中的所有文件
loc = './/football//' # 存放数据的路径
res_name = []  # 存放数据名的列表
filecsv_list = []  # 获取数据名后存放的列表
def file_name(file_name):
    # root:当前目录路径   dirs：当前目录下所有子目录   files：当前路径下所有非目录文件
    for root,dirs,files in os.walk(file_name):
        files.sort() # 排序，让列表里面的元素有顺序
        for i,file in enumerate(files):
            if os.path.splitext(file)[1] == '.csv':
                filecsv_list.append(file)
                res_name.append('raw_data_'+str(i+1))
    print(res_name)
    print(filecsv_list)
file_name(loc)
复制代码

['raw_data_1', 'raw_data_2', 'raw_data_3', 'raw_data_4', 'raw_data_5', 'raw_data_6', 'raw_data_7', 'raw_data_8', 'raw_data_9', 'raw_data_10', 'raw_data_11', 'raw_data_12', 'raw_data_13', 'raw_data_14', 'raw_data_15', 'raw_data_16', 'raw_data_17', 'raw_data_18', 'raw_data_19']

['2000-01.csv', '2001-02.csv', '2002-03.csv', '2003-04.csv', '2004-05.csv', '2005-06.csv', '2006-07.csv', '2007-08.csv', '2008-09.csv', '2009-10.csv', '2010-11.csv', '2011-12.csv', '2012-13.csv', '2013-14.csv', '2014-15.csv', '2015-16.csv', '2016-17.csv', '2017-18.csv', '2018-19.csv']
复制代码

1.2 时间列表

获取每一年的数据后，将每一年的年份放入到 time_list 列表中：

time_list = [filecsv_list[i][0:4]  for i in range(len(filecsv_list))]
time_list
复制代码

['2000','2001','2002','2003','2004','2005','2006','2007','2008','2009','2010','2011','2012','2013','2014','2015','2016','2017','2018']

1.3 用 Pandas.read_csv()  接口读取数据

读取时将数据与 res_name 中的元素名一一对应。

for i in range(len(res_name)):
    res_name[i] = pd.read_csv(loc+filecsv_list[i],error_bad_lines=False)
    print('第%2s个文件是%s,数据大小为%s'%(i+1,filecsv_list[i],res_name[i].shape))
复制代码

第 1个文件是2000-01.csv,数据大小为(380, 45)
第 2个文件是2001-02.csv,数据大小为(380, 48)
第 3个文件是2002-03.csv,数据大小为(316, 48)
第 4个文件是2003-04.csv,数据大小为(335, 57)
第 5个文件是2004-05.csv,数据大小为(335, 57)
第 6个文件是2005-06.csv,数据大小为(380, 68)
第 7个文件是2006-07.csv,数据大小为(380, 68)
第 8个文件是2007-08.csv,数据大小为(380, 71)
第 9个文件是2008-09.csv,数据大小为(380, 71)
第10个文件是2009-10.csv,数据大小为(380, 71)
第11个文件是2010-11.csv,数据大小为(380, 71)
第12个文件是2011-12.csv,数据大小为(380, 71)
第13个文件是2012-13.csv,数据大小为(380, 74)
第14个文件是2013-14.csv,数据大小为(380, 68)
第15个文件是2014-15.csv,数据大小为(381, 68)
第16个文件是2015-16.csv,数据大小为(380, 65)
第17个文件是2016-17.csv,数据大小为(380, 65)
第18个文件是2017-18.csv,数据大小为(380, 65)
第19个文件是2018-19.csv,数据大小为(304, 62)
复制代码

1.4 删除特定文件的空值

经过查看第 15 个文件读取的第 381 行为空值，故采取删除行空值操作。

1.4.1 删除空值的接口

• Pandas.dropna(axis=0，how='any')
  • axis： 0 表示是行；1表示是列
  • how：'all'表示只去掉所有值均缺失的行、列；any表示只去掉有缺失值的行、列

1.4.2 接口运用

res_name[14] = res_name[14].dropna(axis=0,how='all')
res_name[14].tail()
复制代码

	Div	Date	HomeTeam	AwayTeam	FTHG	FTAG	FTR	HTHG	HTAG	HTR	...	BbAv<2.5	BbAH	BbAHh	BbMxAHH	BbAvAHH	BbMxAHA	BbAvAHA	PSCH	PSCD	PSCA
375	E0	24/05/15	Hull	Man United	0.0	0.0	D	0.0	0.0	D	...	1.99	25.0	0.50	1.76	1.71	2.27	2.19	3.20	3.76	2.27
376	E0	24/05/15	Leicester	QPR	5.0	1.0	H	2.0	0.0	H	...	2.41	28.0	-1.00	1.98	1.93	1.98	1.93	1.53	4.94	6.13
377	E0	24/05/15	Man City	Southampton	2.0	0.0	H	1.0	0.0	H	...	2.66	28.0	-1.00	2.00	1.94	2.03	1.93	1.60	4.35	6.00
378	E0	24/05/15	Newcastle	West Ham	2.0	0.0	H	0.0	0.0	D	...	2.25	25.0	-0.50	1.82	1.78	2.20	2.10	1.76	4.01	4.98
379	E0	24/05/15	Stoke	Liverpool	6.0	1.0	H	5.0	0.0	H	...	1.99	25.0	0.25	2.07	2.02	1.88	1.85	3.56	3.60	2.17

5 rows × 68 columns

1.5 删除行数不是 380 的文件名

考虑到英超一般是 19 个球队，每个球队需要打 20 场球，故把行数不是 380 的数据删除掉，并找到器原 CSV 文件一一对应。

for i in range(len(res_name),0,-1): 
    # 采用从大到小的遍历方式，然后进行删除不满足条件的。
    if res_name[i-1].shape[0] != 380:
        key = 'res_name[' + str(i) + ']'
        print('删除的数据是：%s年的数据，文件名：%s大小是：%s'%(time_list[i-1],key,res_name[i-1].shape))
        res_name.pop(i-1)
        time_list.pop(i-1)
        continue
复制代码

删除的数据是：2018年的数据，文件名：res_name[19]大小是：(304, 62)
删除的数据是：2004年的数据，文件名：res_name[5]大小是：(335, 57)
删除的数据是：2003年的数据，文件名：res_name[4]大小是：(335, 57)
删除的数据是：2002年的数据，文件名：res_name[3]大小是：(316, 48)
复制代码

1.6 查看某一个数据集前n行数据

• 文件名.head(n)
  • n:默认是5，想获取多少行数据就填写数字值。

读取数据前五行操作：

res_name[0].head()
复制代码

	Div	Date	HomeTeam	AwayTeam	FTHG	FTAG	FTR	HTHG	HTAG	HTR	...	IWA	LBH	LBD	LBA	SBH	SBD	SBA	WHH	WHD	WHA
0	E0	19/08/00	Charlton	Man City	4	0	H	2	0	H	...	2.7	2.20	3.25	2.75	2.20	3.25	2.88	2.10	3.2	3.10
1	E0	19/08/00	Chelsea	West Ham	4	2	H	1	0	H	...	4.2	1.50	3.40	6.00	1.50	3.60	6.00	1.44	3.6	6.50
2	E0	19/08/00	Coventry	Middlesbrough	1	3	A	1	1	D	...	2.7	2.25	3.20	2.75	2.30	3.20	2.75	2.30	3.2	2.62
3	E0	19/08/00	Derby	Southampton	2	2	D	1	2	A	...	3.5	2.20	3.25	2.75	2.05	3.20	3.20	2.00	3.2	3.20
4	E0	19/08/00	Leeds	Everton	2	0	H	2	0	H	...	4.5	1.55	3.50	5.00	1.57	3.60	5.00	1.61	3.5	4.50

5 rows × 45 columns

读取数据前10行：

res_name[0].head(10)
复制代码

	Div	Date	HomeTeam	AwayTeam	FTHG	FTAG	FTR	HTHG	HTAG	HTR	...	IWA	LBH	LBD	LBA	SBH	SBD	SBA	WHH	WHD	WHA
0	E0	19/08/00	Charlton	Man City	4	0	H	2	0	H	...	2.7	2.20	3.25	2.75	2.20	3.25	2.88	2.10	3.20	3.10
1	E0	19/08/00	Chelsea	West Ham	4	2	H	1	0	H	...	4.2	1.50	3.40	6.00	1.50	3.60	6.00	1.44	3.60	6.50
2	E0	19/08/00	Coventry	Middlesbrough	1	3	A	1	1	D	...	2.7	2.25	3.20	2.75	2.30	3.20	2.75	2.30	3.20	2.62
3	E0	19/08/00	Derby	Southampton	2	2	D	1	2	A	...	3.5	2.20	3.25	2.75	2.05	3.20	3.20	2.00	3.20	3.20
4	E0	19/08/00	Leeds	Everton	2	0	H	2	0	H	...	4.5	1.55	3.50	5.00	1.57	3.60	5.00	1.61	3.50	4.50
5	E0	19/08/00	Leicester	Aston Villa	0	0	D	0	0	D	...	2.5	2.35	3.20	2.60	2.25	3.25	2.75	2.40	3.25	2.50
6	E0	19/08/00	Liverpool	Bradford	1	0	H	0	0	D	...	8.0	1.35	4.00	8.00