@CrazyHenry
2018-03-26T21:02:05.000000Z
字数 3713
阅读 2351
利用统计学习方法预测NBA比赛结果--软件设计
bbbb北邮科研竞赛作业
- Author：李英民 | Henry
- E-mail: li
_yingmin@outlookdotcom- Home: https://liyingmin.wixsite.com/henry
快速了解我: About Me
转载请保留上述引用内容，谢谢配合！
项目Github地址：https://github.com/Li-Yingmin/nba_prediction
一、需求分析
1、市场分析
在百度搜索NBA预测关键字，出现如下搜索结果：
其中，80%以上的搜索结果都是关于预测彩票的。而且，关于NBA预测彩票的市场已经非常成熟，并且有非常多的专家参与到彩票预测中来：
因此，NBA预测彩票市场的特点如下：
- 有专家参与
- 用户数量非常庞大
- 市场成熟并且稳定
- 彩票厂商足够多
2、需求分析
通过如上的市场分析，我们可以从以下几个需求入手：
- 针对专家，可能想知道基于统计的预测结果作为判断依据
- 针对普通用户，预测结果作为购买彩票的参考
- 针对彩票厂商，提供预测技术支持，以作为营销的新方法
3、应用场景
考虑到专家和用户之间的利益关系，我们可以设计以下应用场景：
- 针对专家，可以提供预测结果，并由专家控制局部的预测错误。
- 针对普通用户，提供预测结果作为参考
- 针对VIP用户，我们可以提供经过专家和预测模型综合分析之后的预测结果
- 针对彩票厂商，我们可以提供预测技术支持
二、软件设计
1、开发与运行环境
开发环境
- Bash on Ubuntu on Windows--内嵌于Windows10的Ubuntu系统（update 1709 开发者模式）（Ubuntu 14.04）（无图形化界面）
- Windows10（借助Windows10的图形化界面）
运行环境
所有能安装virtualenv的操作系统，包括但是不限于：
- Ubuntu
- Mac
- Bash on Ubuntu Windows
以上三种平台都经过测试运行成功。
2、总体处理流程
- 获取比赛统计数据
- 比赛数据分析，得到代表每场比赛每支队伍状态的特征表达
- 利用统计学习方法分析每场比赛与胜利队伍的关系，并对2017-2018年的比赛进行预测
4、用户接口
4.1、修改预测数据与训练数据的接口
目前只能手动修改训练集和预测集文件，没有提供一键式接口。
修改预测数据：
修改以下目录的17-18Schedule.csv文件即可：
目录/nba_prediction/nba_pre_demo/proj/data/17-18Schedule.csv
如不需要修改，可以保留原文件，原文件中存储的是12月份和1月份的比赛日程。
4.2、执行预测脚本接口
使用python命令执行以下可执行文件：
$ python 目录/nba_prediction/nba_pre_demo/proj/prediction.py
执行结束之后会在prediction.py所在目录生成17-18Result.csv
三、代码实现
1、数据结构设计
采用Basketball Reference.com中的统计数据。在这个网站中，你可以看到不同球员、队伍、赛季和联盟比赛的基本统计数据，如得分，犯规次数等情况，胜负次数等情况。
- Team Per Game Stats：每支队伍平均每场比赛的表现统计
| 数据名 | 含义 |
|---|---|
| Rk -- Rank | 排名 |
| G -- Games | 参与的比赛场数（都为82场） |
| MP -- Minutes Played | 平均每场比赛进行的时间 |
| FG--Field Goals | 投球命中次数 |
| FGA--Field Goal Attempts | 投射次数 |
| FG%--Field Goal Percentage | 投球命中次数 |
| 3P--3-Point Field Goals | 三分球命中次数 |
| 3PA--3-Point Field Goal Attempts | 三分球投射次数 |
| 3P%--3-Point Field Goal Percentage | 三分球命中率 |
| 2P--2-Point Field Goals | 二分球命中次数 |
| 2PA--2-point Field Goal Attempts | 二分球投射次数 |
| 2P%--2-Point Field Goal Percentage | 二分球命中率 |
| FT--Free Throws | 罚球命中次数 |
| FTA--Free Throw Attempts | 罚球投射次数 |
| FT%--Free Throw Percentage | 罚球命中率 |
| ORB--Offensive Rebounds | 进攻篮板球 |
| DRB--Defensive Rebounds | 防守篮板球 |
| TRB--Total Rebounds | 篮板球总数 |
| AST--Assists | 助攻 |
| STL--Steals | 抢断 |
| BLK -- Blocks | 封盖 |
| TOV -- Turnovers | 失误 |
| PF -- Personal Fouls | 个犯 |
| PTS -- Points | 得分 |
Opponent Per Game Stats：所遇到的对手平均每场比赛的统计信息，所包含的统计数据与Team Per Game Stats中的一致，只是代表的该球队对应的对手的
Miscellaneous Stats：综合统计数据
| 数据项 | 数据含义 |
|---|---|
| Rk (Rank) | 排名 |
| Age | 队员的平均年龄 |
| W (Wins) | 胜利次数 |
| L (Losses) | 失败次数 |
| PW (Pythagorean wins) | 基于毕达哥拉斯理论计算的赢的概率 |
| PL (Pythagorean losses) | 基于毕达哥拉斯理论计算的输的概率 |
| MOV (Margin of Victory) | 赢球次数的平均间隔 |
| SOS (Strength of Schedule) | 用以评判对手选择与其球队或是其他球队的难易程度对比，0为平均线，可以为正负数 |
| SRS (Simple Rating System) | 3 |
| ORtg (Offensive Rating) | 每100个比赛回合中的进攻比例 |
| DRtg (Defensive Rating) | 每100个比赛回合中的防守比例 |
| Pace (Pace Factor) | 每48分钟内大概会进行多少个回合 |
| FTr (Free Throw Attempt Rate) | 罚球次数所占投射次数的比例 |
| 3PAr (3-Point Attempt Rate) | 三分球投射占投射次数的比例 |
| TS% (True Shooting Percentage) | 二分球、三分球和罚球的总共命中率 |
| eFG% (Effective Field Goal Percentage) | 有效的投射百分比（含二分球、三分球） |
| TOV% (Turnover Percentage) | 每100场比赛中失误的比例 |
| ORB% (Offensive Rebound Percentage) | 球队中平均每个人的进攻篮板的比例 |
| FT/FGA | 罚球所占投射的比例 |
| eFG% (Opponent Effective Field Goal Percentage) | 对手投射命中比例 |
| TOV% (Opponent Turnover Percentage) | 对手的失误比例 |
| DRB% (Defensive Rebound Percentage) | 球队平均每个球员的防守篮板比例 |
| FT/FGA (Opponent Free Throws Per Field Goal Attempt) | 对手的罚球次数占投射次数的比例 |
- Schedule
| 数据项 | 数据含义 |
|---|---|
| Date | 比赛日期 |
| Start (ET) | 比赛开始时间 |
| Visitor/Neutral | 客场作战队伍 |
| PTS | 客场队伍最后得分 |
| Home/Neutral | 主场队伍 |
| PTS | 主场队伍最后得分 |
| Notes | 备注，表明是否为加时赛等 |
2、编程语言的选择
编程语言选择Python，因为python的很多库中实现了机器学习和统计学习的算法，不用重复造轮子。比如本软件使用的numpy和sklearn库。
3、核心算法设计
- Elo Score等级分生成特征向量
ELO等级分制度是由匈牙利裔美国物理学家Elo创建的一个衡量各类对弈活动选手水平的评分方法，是当今对弈水平评估的公认的权威方法。被广泛应用于国际象棋、围棋、足球等运动，以及很多网游与电子竞技产业。游戏界比较著名的应用有： WOW（魔兽世界）、DOTA、LOL。
ELO计算方法:
Ra：A玩家当前的积分
Rb：B玩家当前的积分
Sa：实际胜负值，胜=1，平=0.5，负=0
Ea：预期A选手的胜负值，Ea=1/(1+10^[(Rb-Ra)/400])
Eb：预期B选手的胜负值，Eb=1/(1+10^[(Ra-Rb)/400])
因为E值也为预估，则Ea+ Eb=1
R’a=Ra+K（Sa-Ea）
R’a：A玩家进行了一场比赛之后的积分
其中 K 值是一个常量系数，按照国际象棋里的标准， K 值对于大师选手为16，对于一般选手是32。K值的大小直接关系到一局游戏结束，根据胜负关系计算出的积分变化值。
- Logistic Regression方法建立回归模型
关于逻辑回归可以参考这个教程：
逻辑回归--简明教程
*四、总结（与软件设计本身无关）
网络上关于预测模型的建立有非常多的案例，也不乏NBA比赛的预测模型。但是，软件工程的关键不在于实现的结果，而更重要的是实现的过程，并且，注重用户对软件的使用。
因此，我在设计该软件的过程中，坚持用最先进的代码管理机制与有效的可移植性：
- Git版本控制
- Virtualenv虚拟运行环境
这样，不论是开发者还是用户，对软件开发过程中的版本控制和运行平台都不用过多的担心！
