一、前言

---

本文所講的實(shí)戰(zhàn)內(nèi)容是用機(jī)器學(xué)習(xí)的方法來(lái)分析科比職業(yè)生涯數(shù)據(jù)的實(shí)例，利用隨機(jī)森林算法訓(xùn)練處一個(gè)預(yù)測(cè)科比投籃模型。主要用了python的numpy，pandas，matplotlib和sklearn庫(kù)。

本文出現(xiàn)的所有代碼，均可在我的github上下載，歡迎Follow、Star：github地址

二、設(shè)計(jì)思路

---

先來(lái)看看這份科比生涯的數(shù)據(jù)集：數(shù)據(jù)集下載

這個(gè)表格記錄了科比30000多個(gè)鏡頭的詳細(xì)數(shù)據(jù)，共有25個(gè)標(biāo)簽。

具體的設(shè)計(jì)思路是將這25個(gè)標(biāo)簽代表的數(shù)據(jù)進(jìn)行分析，找出對(duì)科比投籃結(jié)果有影響的標(biāo)簽，利用機(jī)器學(xué)習(xí)中隨機(jī)森林的算法訓(xùn)練出可以預(yù)測(cè)科比是否能夠投籃命中的模型。

先來(lái)看看這25個(gè)標(biāo)簽具體代表什么(自己不是籃球的專(zhuān)業(yè)人士和愛(ài)好者，所以具體的內(nèi)容可能有所出入，不過(guò)不會(huì)影響到分析結(jié)果)

• action_type（用什么方式投的籃）
• combined_shot_type（結(jié)合什么方式投籃）
• game_event_id（游戲事件ID）
• game_id（游戲ID）
• la（投籃的經(jīng)度）
• loc_x （投籃的x坐標(biāo)）
• loc_y（投籃的y坐標(biāo)）
• lon（投籃的緯度）
• minutes_remaining（離比賽結(jié)束還有多少分鐘）
• period（第幾場(chǎng)）
• playoffs（是不是季后賽）
• season（賽季）
• seconds_remaining（離比賽結(jié)束還有多少秒）
• shot_distance（投籃離籃筐的的距離）
• shot_made_flag （是不是進(jìn)球了(主要的標(biāo)簽)）
• shot_type（2分球還是3分球區(qū)域）
• shot_zone_area（投籃區(qū)域的表示方法一）
• shot_zone_basic（投籃區(qū)域的表示方法二）
• shot_zone_range（投籃區(qū)域的表示方法三）
• team_id（隊(duì)伍ID）
• team_name（隊(duì)伍名字）
• game_date（比賽時(shí)間）
• matchup（比賽雙方隊(duì)伍）
• opponent（自己所在隊(duì)伍名字）
• shot_id（鏡頭ID）

可以看到，這25個(gè)標(biāo)簽中對(duì)于科比能否投籃命中有一些無(wú)關(guān)緊要的數(shù)據(jù)，比如team_id，因?yàn)檫@30000多份樣本中全是在湖人隊(duì)打的，shot_id，game_id等等這個(gè)數(shù)據(jù)也無(wú)關(guān)緊要，具體的分析將會(huì)在下面講解。

三、數(shù)據(jù)分析

---

首先我們導(dǎo)入數(shù)據(jù)，編寫(xiě)代碼如下

import pandas as pd# 導(dǎo)入數(shù)據(jù) filename= "data.csv" raw = pd.read_csv(filename) print(raw.shape) print(raw.head()) #head函數(shù)打印前5行，如果需要打印前10行，這樣寫(xiě)

• 1
• 2
• 3
• 4
• 5
• 6
• 7

運(yùn)行結(jié)果如下

接下來(lái)我們?cè)賮?lái)分析這一份數(shù)據(jù)表，我們發(fā)現(xiàn)其中shot_made_flag這個(gè)標(biāo)簽竟然有缺失值，這個(gè)表示了科比是否進(jìn)球了，作為最重要的數(shù)據(jù)，是不能隨意進(jìn)行填充的，我們必須刪除掉這些樣本進(jìn)行下一步的工作，代碼如下

import pandas as pd# 導(dǎo)入數(shù)據(jù) filename= "data.csv" raw = pd.read_csv(filename)kobe = raw[pd.notnull(raw['shot_made_flag'])] print(kobe.shape)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

運(yùn)行結(jié)果如下

此時(shí)我們只有25697個(gè)數(shù)據(jù)進(jìn)行訓(xùn)練了。

接著我們分析lat，loc_x，loc_y，lon這4個(gè)標(biāo)簽，這4個(gè)標(biāo)簽說(shuō)明了科比投籃的位置，而具體指的是什么呢，有什么關(guān)系嗎，我們畫(huà)散點(diǎn)圖來(lái)看一下。

編寫(xiě)代碼如下

import pandas as pd import matplotlib.pyplot as plt# 導(dǎo)入數(shù)據(jù) filename= "data.csv" raw = pd.read_csv(filename)#刪除shot_made_flag為空的數(shù)據(jù)項(xiàng)，并且命名為kobe用作訓(xùn)練 kobe = raw[pd.notnull(raw['shot_made_flag'])]#畫(huà)散點(diǎn)圖用來(lái)分析lat loc_x loc_y lon這4個(gè)標(biāo)簽 alpha = 0.02 #指定一個(gè)數(shù)字，用于后面的透明度 plt.figure(figsize=(6,6)) #指定畫(huà)圖域 # loc_x and loc_y plt.subplot(121) #一行兩列 第一個(gè)位置 plt.scatter(kobe.loc_x, kobe.loc_y, color='R', alpha=alpha) #畫(huà)散點(diǎn)圖 plt.title('loc_x and loc_y') # lat and lon plt.subplot(122) #一行兩列 第二個(gè)位置 plt.scatter(kobe.lon, kobe.lat, color='B', alpha=alpha) plt.title('lat and lon') plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25

運(yùn)行結(jié)果如圖所示

我們大致可以看出，這4個(gè)坐標(biāo)大致表示了距離籃筐的距離，那樣的話，我們接下來(lái)用于數(shù)據(jù)處理的時(shí)候選擇其中的一組數(shù)據(jù)即可了。

shot_type，shot_zone_area，shot_zone_basic，shot_zone_range 這4個(gè)標(biāo)簽代表了投籃的區(qū)域，其實(shí)還是說(shuō)明一件事，這里就不做贅述了，當(dāng)然shot_zone_area，shot_zone_basic，shot_zone_range這3個(gè)標(biāo)簽將投籃區(qū)域相比于shot_type來(lái)說(shuō)分的更細(xì)，直接刪掉是不是會(huì)有問(wèn)題，其實(shí)大可不必?fù)?dān)心，因?yàn)?#xff0c;接下來(lái)我們將會(huì)用極坐標(biāo)的形式表示科比的投籃位置，將更會(huì)細(xì)化科比的投籃區(qū)域。

四、數(shù)據(jù)處理

---

首先處理我們上節(jié)所說(shuō)的極坐標(biāo)的問(wèn)題，然后我們會(huì)發(fā)現(xiàn)算出來(lái)的dist和，shot_distance竟然具有正相關(guān)性。

import pandas as pd import numpy as np import matplotlib.pyplot as plt import time from sklearn.ensemble import RandomForestClassifier #導(dǎo)入隨機(jī)森林分類(lèi)器 from sklearn.cross_validation import KFold from sklearn.metrics import log_loss# 導(dǎo)入數(shù)據(jù) filename= "data.csv" raw = pd.read_csv(filename)#刪除shot_made_flag為空的數(shù)據(jù)項(xiàng)，并且命名為kobe用作訓(xùn)練 kobe = raw[pd.notnull(raw['shot_made_flag'])]#對(duì)于lat，loc_x，loc_y，lon這4個(gè)標(biāo)簽，我們?nèi)oc_x和loc_y這2個(gè)標(biāo)簽，并將其轉(zhuǎn)化為極坐標(biāo)的形式 #dist表示離籃筐的距離，angle表示投籃的角度，這樣將會(huì)更好的科比投籃的反應(yīng)結(jié)果` raw['dist'] = np.sqrt(raw['loc_x']**2 + raw['loc_y']**2) loc_x_zero = raw['loc_x'] == 0 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#畫(huà)圖展示dist和shot_distance的正相關(guān)性 plt.figure(figsize=(5,5)) plt.scatter(raw.dist, raw.shot_distance, color='blue') plt.title('dist and shot_distance') plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30

運(yùn)行結(jié)果如下

這樣我們可以保留其中的一個(gè)(這里我們保留了dist這個(gè)標(biāo)簽)，接著我們將minutes_remaining和seconds_remaining轉(zhuǎn)化成一個(gè)標(biāo)簽remaining_time，然后刪除不必要的列，非數(shù)值型的轉(zhuǎn)換成onehot編碼格式

具體編寫(xiě)代碼如下，具體說(shuō)明在代碼注釋中

import pandas as pd import numpy as np import matplotlib.pyplot as plt# 導(dǎo)入數(shù)據(jù) filename= "data.csv" raw = pd.read_csv(filename)#刪除shot_made_flag為空的數(shù)據(jù)項(xiàng)，并且命名為kobe用作訓(xùn)練 kobe = raw[pd.notnull(raw['shot_made_flag'])]#對(duì)于lat，loc_x，loc_y，lon這4個(gè)標(biāo)簽，我們?nèi)oc_x和loc_y這2個(gè)標(biāo)簽，并將其轉(zhuǎn)化為極坐標(biāo)的形式 #dist表示離籃筐的距離，angle表示投籃的角度，這樣將會(huì)更好的科比投籃的反應(yīng)結(jié)果 raw['dist'] = np.sqrt(raw['loc_x']**2 + raw['loc_y']**2) loc_x_zero = raw['loc_x'] == 0 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#對(duì)于minutes_remaining：離比賽結(jié)束還有多少分鐘；seconds_remaining：離比賽結(jié)束還有多少秒（0-60），這 #2個(gè)屬性我們合成距離比賽結(jié)束的時(shí)間 raw['remaining_time'] = raw['minutes_remaining'] * 60 + raw['seconds_remaining']#機(jī)器學(xué)習(xí)只能識(shí)別數(shù)值型的數(shù)據(jù) #將賽季中'Jan-00' 'Feb-01' 'Mar-02' ··· '1998-99'轉(zhuǎn)換成 # 0 1 2 ··· 99 raw['season'] = raw['season'].apply(lambda x: int(x.split('-')[1]) )#刪除對(duì)于比賽結(jié)果沒(méi)有影響的數(shù)據(jù) 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)#將非數(shù)值型的數(shù)據(jù)轉(zhuǎn)換成為onehot編碼的格式，加入到數(shù)據(jù)中并且將原來(lái)的數(shù)據(jù)刪除 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) print(raw)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49

結(jié)果調(diào)試器里面顯示的效果不太好，只附上最后的行和列吧

為什么會(huì)有129行之多，是因?yàn)槲覀冇昧薿nehot編碼，具體什么是onehot編碼這里就不做贅述了，感興趣的可以谷歌或者百度一下。

最后我們總結(jié)一下，到底這25個(gè)標(biāo)簽還剩下什么，首先除去和比賽結(jié)果無(wú)關(guān)的標(biāo)簽，’shot_id’, ‘team_id’, ‘team_name’, ‘shot_zone_area’, ‘shot_zone_range’, ‘shot_zone_basic’,’matchup’, ‘lon’,
‘lat’, ‘seconds_remaining’, ‘minutes_remaining’，’shot_distance’, , ‘game_event_id’, ‘game_id’,
‘game_date’

然后’loc_x’, ‘loc_y’轉(zhuǎn)換成了極坐標(biāo)的形式，變成了’dist’,’angle’;’seconds_remaining’和’minutes_remaining’合并成了’remaining_time’。

最后將’action_type’, ‘combined_shot_type’, ‘shot_type’, ‘opponent’, ‘period’, ‘season’轉(zhuǎn)換成onehot編碼格式。

至此我們的數(shù)據(jù)處理工作基本完成了。

五、利用sklearn來(lái)進(jìn)行數(shù)據(jù)的處理

---

具體的思路是利用隨機(jī)森林分類(lèi)器配合著交叉驗(yàn)證的方法進(jìn)行數(shù)據(jù)的分析，先找到最佳的樹(shù)的個(gè)數(shù)，和樹(shù)的深度。

編寫(xiě)代碼如下

import pandas as pd import numpy as np import matplotlib.pyplot as plt import time from sklearn.ensemble import RandomForestClassifier #導(dǎo)入隨機(jī)森林分類(lèi)器 from sklearn.cross_validation import KFold from sklearn.metrics import log_loss# 導(dǎo)入數(shù)據(jù) filename= "data.csv" raw = pd.read_csv(filename)#刪除shot_made_flag為空的數(shù)據(jù)項(xiàng)，并且命名為kobe用作訓(xùn)練 kobe = raw[pd.notnull(raw['shot_made_flag'])]#對(duì)于lat，loc_x，loc_y，lon這4個(gè)標(biāo)簽，我們?nèi)oc_x和loc_y這2個(gè)標(biāo)簽，并將其轉(zhuǎn)化為極坐標(biāo)的形式 #dist表示離籃筐的距離，angle表示投籃的角度，這樣將會(huì)更好的科比投籃的反應(yīng)結(jié)果` raw['dist'] = np.sqrt(raw['loc_x']**2 + raw['loc_y']**2) loc_x_zero = raw['loc_x'] == 0 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# 對(duì)于minutes_remaining：離比賽結(jié)束還有多少分鐘；seconds_remaining：離比賽結(jié)束還有多少秒（0-60），這 # 2個(gè)屬性我們合成距離比賽結(jié)束的時(shí)間 raw['remaining_time'] = raw['minutes_remaining'] * 60 + raw['seconds_remaining']#機(jī)器學(xué)習(xí)只能識(shí)別數(shù)值型的數(shù)據(jù) #將賽季中'Jan-00' 'Feb-01' 'Mar-02' ··· '1998-99'轉(zhuǎn)換成 # 0 1 2 ··· 99 raw['season'] = raw['season'].apply(lambda x: int(x.split('-')[1]) )# 刪除對(duì)于比賽結(jié)果沒(méi)有影響的數(shù)據(jù) 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)#將非數(shù)值型的數(shù)據(jù)轉(zhuǎn)換成為onehot編碼的格式，加入到數(shù)據(jù)中并且將原來(lái)的數(shù)據(jù)刪除 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)#將數(shù)據(jù)分為訓(xùn)練集和測(cè)試集 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)print('尋找隨機(jī)森林分類(lèi)器的的最佳樹(shù)的數(shù)量...') min_score = 100000 best_n = 0 scores_n = [] range_n = np.logspace(0, 2, num=10).astype(int) for n in range_n:print('樹(shù)的數(shù)量 : {0}'.format(n))t1 = time.time()rfc_score = 0.rfc = RandomForestClassifier(n_estimators=n)for train_k, test_k in KFold(len(train_kobe), n_folds=10, shuffle=True):rfc.fit(train_kobe.iloc[train_k], train_label.iloc[train_k])pred = rfc.predict(train_kobe.iloc[test_k])rfc_score += log_loss(train_label.iloc[test_k], pred) / 10scores_n.append(rfc_score)if rfc_score < min_score:min_score = rfc_scorebest_n = nt2 = time.time()print('建造 {0} 顆樹(shù)(耗時(shí){1:.3f}秒)'.format(n, t2 - t1)) print("最佳樹(shù)的顆樹(shù)為 : {0},得分為: {1}".format(best_n,min_score))print('\n')print('尋找隨機(jī)森林分類(lèi)器的最佳樹(shù)的最佳深度...') min_score = 100000 best_m = 0 scores_m = [] range_m = np.logspace(0, 2, num=10).astype(int) for m in range_m:print("樹(shù)的最大的深度 : {0}".format(m))t1 = time.time()rfc_score = 0.rfc = RandomForestClassifier(max_depth=m, n_estimators=best_n)for train_k, test_k in KFold(len(train_kobe), n_folds=10, shuffle=True):rfc.fit(train_kobe.iloc[train_k], train_label.iloc[train_k])pred = rfc.predict(train_kobe.iloc[test_k])rfc_score += log_loss(train_label.iloc[test_k], pred) / 10scores_m.append(rfc_score)if rfc_score < min_score:min_score = rfc_scorebest_m = mt2 = time.time()print('樹(shù)的最大深度為: {0}(耗時(shí){1:.3f}秒)'.format(m, t2 - t1)) print('最佳樹(shù)的深度: {0},得分為：{1}'.format(best_m, min_score))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') plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52
• 53
• 54
• 55
• 56
• 57
• 58
• 59
• 60
• 61
• 62
• 63
• 64
• 65
• 66
• 67
• 68
• 69
• 70
• 71
• 72
• 73
• 74
• 75
• 76
• 77
• 78
• 79
• 80
• 81
• 82
• 83
• 84
• 85
• 86
• 87
• 88
• 89
• 90
• 91
• 92
• 93
• 94
• 95
• 96
• 97
• 98
• 99
• 100
• 101
• 102
• 103
• 104
• 105
• 106
• 107
• 108
• 109
• 110
• 111
• 112
• 113
• 114
• 115
• 116
• 117
• 118
• 119
• 120
• 121
• 122

運(yùn)行結(jié)果如下，說(shuō)明當(dāng)樹(shù)的顆樹(shù)為100，并且深度為12的時(shí)候，損失函數(shù)最小，下面是具體的得分圖示。

下面我們用100,12這個(gè)參數(shù)訓(xùn)練模型，并且預(yù)測(cè)出5000個(gè)’shot_made_flag’的缺失值。

import pandas as pd import numpy as np import matplotlib.pyplot as plt import time from sklearn.ensemble import RandomForestClassifier #導(dǎo)入隨機(jī)森林分類(lèi)器 from sklearn.cross_validation import KFold from sklearn.metrics import log_loss# 導(dǎo)入數(shù)據(jù) filename = "data.csv" raw = pd.read_csv(filename)# 刪除shot_made_flag為空的數(shù)據(jù)項(xiàng)，并且命名為kobe用作訓(xùn)練 kobe = raw[pd.notnull(raw['shot_made_flag'])]# 對(duì)于lat，loc_x，loc_y，lon這4個(gè)標(biāo)簽，我們?nèi)oc_x和loc_y這2個(gè)標(biāo)簽，并將其轉(zhuǎn)化為極坐標(biāo)的形式 # dist表示離籃筐的距離，angle表示投籃的角度，這樣將會(huì)更好的科比投籃的反應(yīng)結(jié)果` raw['dist'] = np.sqrt(raw['loc_x']**2 + raw['loc_y']**2) loc_x_zero = raw['loc_x'] == 0 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# 對(duì)于minutes_remaining：離比賽結(jié)束還有多少分鐘；seconds_remaining：離比賽結(jié)束還有多少秒（0-60），這 # 2個(gè)屬性我們合成距離比賽結(jié)束的時(shí)間 raw['remaining_time'] = raw['minutes_remaining'] * 60 + raw['seconds_remaining']# 機(jī)器學(xué)習(xí)只能識(shí)別數(shù)值型的數(shù)據(jù) # 將賽季中'Jan-00' 'Feb-01' 'Mar-02' ··· '1998-99'轉(zhuǎn)換成 # 0 1 2 ··· 99 raw['season'] = raw['season'].apply(lambda x: int(x.split('-')[1]) )#刪除對(duì)于比賽結(jié)果沒(méi)有影響的數(shù)據(jù) 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)#將非數(shù)值型的數(shù)據(jù)轉(zhuǎn)換成為onehot編碼的格式，加入到數(shù)據(jù)中并且將原來(lái)的數(shù)據(jù)刪除 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) # print(raw)# 將數(shù)據(jù)分為訓(xùn)練集和測(cè)試集 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)# 訓(xùn)練模型并且用預(yù)測(cè)shot_made_flag的缺失值 model = RandomForestClassifier(n_estimators=100, max_depth=12) model.fit(train_kobe, train_label) predictions = model.predict(test_kobe) result=pd.DataFrame({'shot_id':test_shot_id['shot_id'].as_matrix(),'shot_made_flag':predictions.astype(np.int32)}) result.to_csv("result.csv", index=False)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52
• 53
• 54
• 55
• 56
• 57
• 58
• 59
• 60
• 61
• 62
• 63
• 64
• 65
• 66
• 67
• 68
• 69

運(yùn)行結(jié)果如下圖

這里給出了5000個(gè)缺失值。

六、總結(jié)

本篇文章主要用了機(jī)器學(xué)習(xí)的sklearn庫(kù)，配合著numpy，pandas，matplotlib的技術(shù)路線，利用隨機(jī)森林算法對(duì)科比生涯數(shù)據(jù)進(jìn)行分析，對(duì)缺失值進(jìn)行了預(yù)測(cè)。

總結(jié)

以上是生活随笔為你收集整理的01使用Python分析科比生涯数据的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。