1、明确分析的目的和思路
目的:目前,足球比赛作为大众娱乐项目的一种,越来越受到大家的喜爱,其中不乏一些球队死忠、球星铁粉以及“赌球狗”,而希望自己支持的球队获胜也是足球比赛中的一大关注点。针对这种情况,本文通过足球比赛中产生的数据,比如射门次数、控球率、传球成功率等,运用关联规则算法进行建模、分析,探索足球比赛的胜负与哪些关键指标的关系密切。
思路:以本赛季的中超联赛(目前进行到第18轮)为分析对象,爬取体育网站上的各场比赛数据和胜负结果,经过数据处理后,采用Apriori算法,挖掘各数据指标与比赛结果之间的关系。
2、数据收集
对tzuqiu网站(http://www.tzuqiu.cc/)上的每场中超比赛的数据进行爬取,包括:1、射门次数,2、控球率,3、传球成功率,4、过人次数,5、抢断次数,6、角球次数,7、失误次数,以及比赛结果(胜、平、负)。如图1所示:
![](https://i-blog.csdnimg.cn/blog_migrate/c3b733f90dd84760f2cf4ac89fb62793.png)
最终结果共288条记录(18轮*每轮8场比赛*每场2支球队),结果如图2所示:
![](https://i-blog.csdnimg.cn/blog_migrate/08391c9c5c1dc990014f74b8645641e5.png)
3、数据处理
使用Rstudio工具进行处理。
(1)数据清洗
首先导入数据,然后处理缺失值。
考虑到含有缺失值的记录较少(只有2条,第13轮上海上港与广州恒大的比赛因为天气原因延期进行),决定把源数据中含有缺失值的记录删除。
data = read.csv(file="csl_data.csv",header = TRUE) #导入数据
h