机器学习实战2之科比篮球生涯得分数据分析

最新推荐文章于 2023-01-05 20:30:37 发布
最新推荐文章于 2023-01-05 20:30:37 发布
阅读量3.6k 收藏 14
点赞数 3
分类专栏： 机器学习实战 文章标签： machineLearning 随机森林 机器学习 sklearn
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42600072/article/details/88898451
版权 
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

导入数据

filename = './data/kobe.csv'
raw = pd.read_csv(filename)
print(raw.shape)
print(raw.head())

(30697, 25)
         action_type combined_shot_type  game_event_id   game_id      lat  \
0          Jump Shot          Jump Shot             10  20000012  33.9723   
1          Jump Shot          Jump Shot             12  20000012  34.0443   
2          Jump Shot          Jump Shot             35  20000012  33.9093   
3          Jump Shot          Jump Shot             43  20000012  33.8693   
4  Driving Dunk Shot               Dunk            155  20000012  34.0443   

   loc_x  loc_y       lon  minutes_remaining  period   ...          shot_type  \
0    167     72 -118.1028                 10       1   ...     2PT Field Goal   
1   -157      0 -118.4268                 10       1   ...     2PT Field Goal   
2   -101    135 -118.3708                  7       1   ...     2PT Field Goal   
3    138    175 -118.1318                  6       1   ...     2PT Field Goal   
4      0      0 -118.2698                  6       2   ...     2PT Field Goal   

          shot_zone_area  shot_zone_basic  shot_zone_range     team_id  \
0          Right Side(R)        Mid-Range        16-24 ft.  1610612747   
1           Left Side(L)        Mid-Range         8-16 ft.  1610612747   
2   Left Side Center(LC)        Mid-Range        16-24 ft.  1610612747   
3  Right Side Center(RC)        Mid-Range        16-24 ft.  1610612747   
4              Center(C)  Restricted Area  Less Than 8 ft.  1610612747   

            team_name   game_date    matchup opponent  shot_id  
0  Los Angeles Lakers  2000-10-31  LAL @ POR      POR        1  
1  Los Angeles Lakers  2000-10-31  LAL @ POR      POR        2  
2  Los Angeles Lakers  2000-10-31  LAL @ POR      POR        3  
3  Los Angeles Lakers  2000-10-31  LAL @ POR      POR        4  
4  Los Angeles Lakers  2000-10-31  LAL @ POR      POR        5  

[5 rows x 25 columns]

#取出得分空值对应的样本,剩余的可以用于测试
kobe = raw[pd.notnull(raw['shot_made_flag'])]
print(kobe.shape)

(25697, 25)

数据可视化处理操作

plt.figure(figsize=(10,10))
alpha = 0.02  #alpha用于指定图像颜色的透明度

plt.subplot(1,2,1)
plt.scatter(kobe.loc_x, kobe.loc_y, color='B', alpha=alpha)
plt.title('loc_x && loc_y')

plt.subplot(1,2,2)
plt.scatter(kobe.lon, kobe.lat, color='G', alpha=alpha)
plt.title('lon && lat')

Text(0.5, 1.0, 'lon && lat')

在这里插入图片描述

  • 投篮坐标和经纬度数据作用一样，只用一个即可，且可以将坐标转换为极坐标
raw['dist'] = np.sqrt(raw['loc_x']**2 + raw['loc_y']**2)

loc_x_zero = raw['loc_x'] == 0
#print (loc_x_zero)
raw['angle'] = np.array([0] * len(raw))
raw['angle'][~loc_x_zero] = np.arctan(
    raw['loc_y'][~loc_x_zero] / raw['loc_x'][~loc_x_zero])
raw['angle'][loc_x_zero] = np.pi / 2

数据预处理，这个很重要

  • 将每节剩余分钟数和剩余秒数数据合二为一处理
raw['remaining_time'] = raw['minutes_remaining'] * 60 + raw['seconds_remaining']
  • 两个有用的函数，可以分别用来显示一个数据标签中所含有的全部种类，以及每个种类的数量统计
print(kobe.shot_type.unique())
print(kobe.shot_type.value_counts())

['2PT Field Goal' '3PT Field Goal']
2PT Field Goal    20285
3PT Field Goal     5412
Name: shot_type, dtype: int64
  • 将pandas中的object类型数据转换为int值，这样机器才能识别
kobe['season'].unique()

array(['2000-01', '2001-02', '2002-03', '2003-04', '2004-05', '2005-06',
       '2006-07', '2007-08', '2008-09', '2009-10', '2010-11', '2011-12',
       '2012-13', '2013-14', '2014-15', '2015-16', '1996-97', '1997-98',
       '1998-99', '1999-00'], dtype=object)

kobe['season'] = kobe['season'].apply(lambda x : int(x.split('-')[1]))
kobe['season'].unique()

array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 97,
       98, 99,  0], dtype=int64)

print(kobe.team_id.unique())   #无用的数据
print(kobe.team_name.unique())

[1610612747]
['Los Angeles Lakers']

pd.DataFrame({'matchup':kobe.matchup, 'opponent':kobe.opponent})
matchupopponent
1LAL @ PORPOR
2LAL @ PORPOR
3LAL @ PORPOR
4LAL @ PORPOR
5LAL @ PORPOR
6LAL @ PORPOR
8LAL @ PORPOR
9LAL @ PORPOR
10LAL @ PORPOR
11LAL vs. UTAUTA
12LAL vs. UTAUTA
13LAL vs. UTAUTA
14LAL vs. UTAUTA
15LAL vs. UTAUTA
17LAL vs. UTAUTA
18LAL vs. UTAUTA
20LAL vs. UTAUTA
21LAL vs. UTAUTA
22LAL vs. UTAUTA
23LAL vs. UTAUTA
24LAL vs. UTAUTA
25LAL vs. UTAUTA
26LAL vs. UTAUTA
27LAL vs. UTAUTA
28LAL vs. UTAUTA
29LAL vs. UTAUTA
30LAL vs. UTAUTA
31LAL vs. UTAUTA
38LAL @ VANVAN
39LAL @ VANVAN
.........
30661LAL @ INDIND
30662LAL @ INDIND
30663LAL @ INDIND
30665LAL @ INDIND
30666LAL @ INDIND
30667LAL @ INDIND
30669LAL @ INDIND
30670LAL vs. INDIND
30671LAL vs. INDIND
30672LAL vs. INDIND
30673LAL vs. INDIND
30674LAL vs. INDIND
30675LAL vs. INDIND
30676LAL vs. INDIND
30677LAL vs. INDIND
30678LAL vs. INDIND
30679LAL vs. INDIND
30681LAL vs. INDIND
30683LAL vs. INDIND
30684LAL vs. INDIND
30685LAL vs. INDIND
30687LAL vs. INDIND
30688LAL vs. INDIND
30689LAL vs. INDIND
30690LAL vs. INDIND
30691LAL vs. INDIND
30692LAL vs. INDIND
30694LAL vs. INDIND
30695LAL vs. INDIND
30696LAL vs. INDIND

25697 rows × 2 columns

  • 强相关数据只选择其中一个即可
plt.figure(figsize=(5,5))
plt.scatter(raw.dist, raw.shot_distance, color='B')
plt.title('dist && shot_distance')

Text(0.5, 1.0, 'dist && shot_distance')

在这里插入图片描述

print(kobe['shot_zone_area'].value_counts())
gs = kobe.groupby('shot_zone_area')
print(len(gs))

Center(C)                11289
Right Side Center(RC)     3981
Right Side(R)             3859
Left Side Center(LC)      3364
Left Side(L)              3132
Back Court(BC)              72
Name: shot_zone_area, dtype: int64
6

import matplotlib.cm as cm
plt.figure(figsize=(20,10))

def scatter_plot_by_category(feat):
    alpha = 0.1
    gs = kobe.groupby(feat)
    cs = cm.rainbow(np.linspace(0, 1, len(gs)))
    for g, c in zip(gs, cs):
        plt.scatter(g[1].loc_x, g[1].loc_y, color=c, alpha=alpha)

# shot_zone_area
plt.subplot(131)
scatter_plot_by_category('shot_zone_area')
plt.title('shot_zone_area')

# shot_zone_basic
plt.subplot(132)
scatter_plot_by_category('shot_zone_basic')
plt.title('shot_zone_basic')

# shot_zone_range
plt.subplot(133)
scatter_plot_by_category('shot_zone_range')
plt.title('shot_zone_range')

Text(0.5, 1.0, 'shot_zone_range')

在这里插入图片描述

  • 丢弃一些无用的数据
drops = ['shot_id', 'team_id', 'team_name', 'shot_zone_area', 'shot_zone_range', 'shot_zone_basic', \
         'matchup', 'lon', 'lat', 'seconds_remaining', 'minutes_remaining', \
         'shot_distance', 'loc_x', 'loc_y', 'game_event_id', 'game_id', 'game_date']
for drop in drops:
    raw = raw.drop(drop, 1)

print (raw['combined_shot_type'].value_counts())
pd.get_dummies(raw['combined_shot_type'], prefix='combined_shot_type')[0:2]

Jump Shot    23485
Layup         5448
Dunk          1286
Tip Shot       184
Hook Shot      153
Bank Shot      141
Name: combined_shot_type, dtype: int64
combined_shot_type_Bank Shotcombined_shot_type_Dunkcombined_shot_type_Hook Shotcombined_shot_type_Jump Shotcombined_shot_type_Layupcombined_shot_type_Tip Shot
0000100
1000100
categorical_vars = ['action_type', 'combined_shot_type', 'shot_type', 'opponent', 'period', 'season']
for var in categorical_vars:
    raw = pd.concat([raw, pd.get_dummies(raw[var], prefix=var)], 1)
    raw = raw.drop(var, 1)

建立模型

train_kobe = raw[pd.notnull(raw['shot_made_flag'])]
train_label = train_kobe['shot_made_flag']
train_kobe = train_kobe.drop('shot_made_flag', 1)
test_kobe = raw[pd.isnull(raw['shot_made_flag'])]
test_kobe = test_kobe.drop('shot_made_flag', 1)

from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import confusion_matrix,log_loss
import time

range_m = np.logspace(0,2,num=5).astype(int)
range_m

array([  1,   3,  10,  31, 100])

# find the best n_estimators for RandomForestClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import KFold

print('Finding best n_estimators for RandomForestClassifier...')
min_score = 100000
best_n = 0
scores_n = []
range_n = np.logspace(1, 2, num=8).astype(int)
for n in range_n:
    print("the number of trees : {0}".format(n))
    t1 = time.time()

    rfc_score = 0.
    rfc = RandomForestClassifier(n_estimators=n)
    kf = KFold(n_splits=5, shuffle=True,  random_state=40).split(train_kobe)
    for train_k, test_k in kf:
        rfc.fit(train_kobe.iloc[train_k], train_label.iloc[train_k])
        #rfc_score += rfc.score(train.iloc[test_k], train_y.iloc[test_k])/10
        pred = rfc.predict(train_kobe.iloc[test_k])
        rfc_score += log_loss(train_label.iloc[test_k], pred) / 10
    scores_n.append(rfc_score)
    if rfc_score < min_score:
        min_score = rfc_score
        best_n = n

    t2 = time.time()
    print('Done processing {0} trees ({1:.3f}sec)'.format(n, t2 - t1))
print(best_n, min_score)

# find best max_depth for RandomForestClassifier
print('Finding best max_depth for RandomForestClassifier...')
min_score = 100000
best_m = 0
scores_m = []
range_m = np.logspace(0, 2,num=8).astype(int)
for m in range_m:
    print("the max depth : {0}".format(m))
    t1 = time.time()

    rfc_score = 0.
    rfc = RandomForestClassifier(max_depth=m, n_estimators=best_n)
    kf = KFold(n_splits=5, shuffle=True,  random_state=40).split(train_kobe)
    for train_k, test_k in kf:
        rfc.fit(train_kobe.iloc[train_k], train_label.iloc[train_k])
        #rfc_score += rfc.score(train.iloc[test_k], train_y.iloc[test_k])/10
        pred = rfc.predict(train_kobe.iloc[test_k])
        rfc_score += log_loss(train_label.iloc[test_k], pred) / 10
    scores_m.append(rfc_score)
    if rfc_score < min_score:
        min_score = rfc_score
        best_m = m

    t2 = time.time()
    print('Done processing {0} trees ({1:.3f}sec)'.format(m, t2 - t1))
print(best_m, min_score)

Finding best n_estimators for RandomForestClassifier...
the number of trees : 10
Done processing 10 trees (2.832sec)
the number of trees : 13
Done processing 13 trees (3.499sec)
the number of trees : 19
Done processing 19 trees (5.482sec)
the number of trees : 26
Done processing 26 trees (6.886sec)
the number of trees : 37
Done processing 37 trees (10.694sec)
the number of trees : 51
Done processing 51 trees (14.202sec)
the number of trees : 71
Done processing 71 trees (18.946sec)
the number of trees : 100
Done processing 100 trees (25.590sec)
100 5.898521466994053
Finding best max_depth for RandomForestClassifier...
the max depth : 1
Done processing 1 trees (2.554sec)
the max depth : 1
Done processing 1 trees (2.581sec)
the max depth : 3
Done processing 3 trees (3.824sec)
the max depth : 7
Done processing 7 trees (6.487sec)
the max depth : 13
Done processing 13 trees (10.639sec)
the max depth : 26
Done processing 26 trees (18.684sec)
the max depth : 51
Done processing 51 trees (27.133sec)
the max depth : 100
Done processing 100 trees (28.496sec)
13 5.504022676997401

plt.figure(figsize=(10,5))
plt.subplot(121)
plt.plot(range_n, scores_n)
plt.ylabel('score')
plt.xlabel('number of trees')

plt.subplot(122)
plt.plot(range_m, scores_m)
plt.ylabel('score')
plt.xlabel('max depth')

Text(0.5, 0, 'max depth')

在这里插入图片描述

model = RandomForestClassifier(n_estimators=best_n, max_depth=best_m)
model.fit(train_kobe, train_label)
进击的小杨人
关注
  • 3
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
科比投篮预测——可视化与探索性数据分析（一）
Junds0的博客
05-11 2071
第1关：投篮位置 本关任务：从数据中，我们无法看出特征lat，lon和loc_x，loc_y的区别，所以我们绘制一个一行两列的两个散点图，表示loc_x，loc_y，lat，lon的关系。 import matplotlib.pyplot as plt import pandas as pd pd.set_option('display.max_columns', 1000) pd.set_option('display.width', 1000) pd.set_option('display.max_co
nba分析：使用机器学习库来分析NBA数据
02-04
NBA数据分析 签出已。 概要 传球：根据球员传球数据创建图表，随机游走以模拟前端完成的控球 职位：根据赛季统计数据使用KNearestNeighbors分类器将NBA球员分类为职位 风格：根据比赛类型的频率确定NBA球队和球员的风格 等级：使用高级统计数据的k-means聚类算法将NBA球员分为多个等级 数据 所有数据均摘自 入门 可以使用存储库目录中的pip install -r requirements.txt安装所有所需的库。 使用python setup.py install软件包。 除非您具有必需的数据库URI，否则将软件包config.py文件更改为具有data_source
大数据 | 致敬科比的篮球生涯。
IT派
12-21 1493
IT派 - {技术青年圈}持续关注互联网、大数据、人工智能领域关注往期精彩回顾  重大改变！Excel即将接入Python！办公软件也要革命2017年大数据领域薪资有多高？上市 | 章泽天 : 刘强东用10秒钟时间决定投资这个汽车4月14日，34岁的NBA巨星科比·布莱恩特在洛杉矶完成了自己职业生涯的最后一场比赛。比赛中出战42分钟，50投22中，三分球21中6，一战飚到60分，以一场胜利让自己的
R语言实践--科比投篮数据作图
bailuoti_的博客
01-05 737
用R语言将科比职业生涯投篮数据清晰展示出来
机器学习实战 利用sklearn库预测科比生涯数据
莫晨
05-05 6948
一、前言 本文所讲的实战内容是用机器学习的方法来分析科比职业生涯数据的实例，利用随机森林算法训练处一个预测科比投篮模型。主要用了python的numpy，pandas，matplotlib和sklearn库。 本文出现的所有代码，均可在我的github上下载，欢迎Follow、Star：github地址 二、设计思路 先来看看这份科比生涯的数据集：数据集下载 这个表格...
科比投篮预测，可视化与探索性数据分析（二）
weixin_52651213的博客
01-06 3458
第一关： import pandas as pd import matplotlib.pyplot as plt pd.set_option('display.max_columns', 1000) pd.set_option('display.width', 1000) pd.set_option('display.max_colwidth', 1000) def student(): # ********** Begin ********** # data = pd.read_c
Python数据分析与机器学习实战:问答机器 人
最新发布
05-02
Python数据分析与机器学习实战:问答机器 人 tmp.py qa.py da ta tasks_1-20_v1-2
Python数据分析与机器学习实战课程
02-11
Python数据分析与机器学习实战课程，全套14.17G，仅有免密视频，课程目录： 01 人工智能入门指南 02 科学计算库-numpy 03 数据分析处理库-Pandas 04 可视化库-Matplotlib 05 机器学习入门算法实战-K近邻 06 线性回归...
科比职业生涯数据集与数据分析代码
04-08
科比职业生涯数据集与数据分析代码
Python数据分析与机器学习实战
06-09
Python数据分析与机器学习实战教程，该课程精心挑选真实的数据集为案例，通过python数据科学库numpy,pandas,matplot结合机器学习库scikit-learn完成一些列的机器学习案例。课程以实战为基础，所有课时都结合代码演示...
机器学习预测NBA比赛杰出球员
06-08
机器学习预测NBA比赛杰出球员
用于python机器学习的 nba数据
01-18
这个数据是nba15-16赛季的数据，同时有第二年的赛程表，可以利用这份数据进行战绩预测，同时可以与真实数据进行比较
Python数据分析与机器学习42-Python库分析科比生涯数据
只是甲的博客
08-02 2218
python 数据分析 机器学习 数据分析实战
【头歌】科比投篮预测——可视化与探索性数据分析（一）
qq_63142181的博客
11-28 1984
【头歌】科比投篮预测——可视化与探索性数据分析（一）
机器学习（一）--分类，K-Means算法（NBA球星实例、超市用户实例）
一个非常正经的人的博客
11-26 1981
离散与连续 数据–数据对象、样本、实例 离散属性–类别属性 用名称标注 用类别/类别号来标注 连续属性–连续的小数 在一个区间内连续，用浮点型数值表示 数据集 多个数据组合在一起–数据集合–数据集 行：代表样本 列：代表属性 一、机器学习 （一）概念 在历史数据中发现规律，然后利用规律，对新的数据进行预测与指导。 （二）数据分析与数据挖掘 人工智能的基础 想要一个好的机器学习结果，就...
实战演习（九）——用python分析科比生涯数据
livan1234的博客
02-28 4191
笔者是一个痴迷于挖掘数据中的价值的学习人，希望在平日的工作学习中，挖掘数据的价值，找寻数据的秘密，笔者认为，数据的价值不仅仅只体现在企业中，个人也可以体会到数据的魅力，用技术力量探索行为密码，让大数据助跑每一个人，欢迎直筒们关注我的公众号，大家一起讨论数据中的那些有趣的事情。 我的公众号为：livandata 本文主要是借用科比的投篮数据分析来了解机器学习建模的流程，同时也为了增加一些功能...
随机森林-科比生涯数据集分析与预测
quanhujing的专栏
07-22 2631
前言 最近想学习一下随机森林，从网上找了一些例子，由于sk-learn版本变更，做了些修改才正常跑起来。本文利用随机森林算法训练出一个预测科比投篮模型。主要用了python的numpy，pandas，matplotlib和sklearn库。 二、设计思路 先来看看这份科比生涯的数据集： 这个表格记录了科比30000多个镜头的详细数据，共有25个标签。 具体的设计思路是将这25个标签代表的数据进行分析，找出对科比投篮结果有影响的标签，利用机器学习中随机森林的算法训练出可以预测科比是否能够投篮
科比投篮预测——可视化与探索性数据分析（二）
Junds0的博客
05-11 1584
第1关：射击精准度 本关任务：绘制一个散点图，表示不同进攻方式与命中率之间的关系，具体图形示例请查看测试说明。 import pandas as pd import matplotlib.pyplot as plt pd.set_option('display.max_columns', 1000) pd.set_option('display.width', 1000) pd.set_option('display.max_colwidth', 1000) def student(): # *
基于机器学习聚类算法寻找美国职业篮球联赛NBA中的超级强队
huanfeng_AI的博客
08-16 1127
聚类算法 聚类算法是机器学习中经典的非监督学习算法之一，相比于分类算法，聚类不依赖预定义的样本标签，而是让算法通过对数据的学习从而找到其内部的规律，该算法对有相同特征的样本进行聚类，聚类的时候，我们并不关心某一类是什么，有一句话叫做“物以类聚，人以群分”。聚类，通俗地说，就是指将相似元素的聚集到一起作为一个类别。 k均值算法 在机器学习中聚类算法有很多，k均值算法是最经典的聚类算法，这个算法的目的就是要找到数据的分组，分组的数目由K指定。这个算法基于提供的特征，迭代地将数据分配个K个组别的其中一个。数据是
rdd编程实践实验结果分析
05-12
RDD编程实践实验的结果分析可以根据实验目的和实验数据进行。 如果实验目的是测试RDD编程的性能和效率，可以分析以下几个方面的数据： 1. 执行时间：比较不同RDD编程实现的执行时间，找出最快的实现方式。 2. 内存占用：比较不同RDD编程实现的内存占用情况，找出最优的实现方式。 3. CPU占用：比较不同RDD编程实现的CPU占用情况，找出最优的实现方式。 4. 网络传输：比较不同RDD编程实现的网络传输情况，找出最优的实现方式。 如果实验目的是测试RDD编程在特定任务下的效果，可以分析以下几个方面的数据： 1. 输入数据大小：比较不同输入数据大小下的处理效果，找出最优的处理方式。 2. 处理速度：比较不同处理方式下的处理速度，找出最快的处理方式。 3. 处理结果：比较不同处理方式下的处理结果，找出最优的处理方式。 总之，实验结果分析的重点是根据实验目的和数据来分析，找出最优的RDD编程实现方式，以达到最佳的性能和效果。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值