【数据看球】2018 年世界杯夺冠预测,CDA带你用机器学习来分析

作者 Gerald Muriuki

编译 Mika 本文为 CDA 数据分析师原创作品,转载需授权

随着2018年FIFA世界杯开赛在即,世界各地的球迷都渴望知道:谁将夺取梦寐以求的冠军奖杯?

如果你不仅是一名资深球迷,而且还是技术宅,那么你还可以利用机器学习和人工智能这两个利器。下面让我们一起预测哪个国家会赢得本次世界杯。

足球比赛涉及到很多因素,因此许多因素无法在机器学习模型中进行探讨。这只是我作为技术宅,从数据角度的尝试。

目标

1. 目标是使用机器学习预测谁将赢得2018年世界杯。

2. 预测世界杯中每场比赛的结果。

3. 对下场比赛进行模拟预测,比如四分之一决赛,半决赛和决赛。

这些目标体现了现实世界中的机器学习预测问题,当中涉及的机器学习任务包括:数据整合,特征建模和结果预测。

数据

我使用了Kaggle的两个数据集,包括自1930年起所有参赛队在国际比赛中的结果。

Kaggle数据集链接:

(https://www.kaggle.com/martj42/international-football-results-from-1872-to-2017/data)

局限性:

由于国际足联排名创建于90年代,因此缺乏大部分数据集。在此我们按照历史比赛记录分析。

环境和工具:

jupyter notebook,numpy,pandas,seaborn,matplotlib和scikit-learn。

我们首先要对两个数据集进行探索性分析,通过特征工程选择最相关的特征进行预测。之后进行数据处理,选择机器学习模型,最后将其部署到数据集上。

开始

首先,导入必要的库并将数据集加载到数据框。

导入库

加载数据集

通过调用两个数据集world_cup.head()和results.head(),确保数据集加载到数据框中,如下所示:

探索性分析:

对两个数据集进行分析后,所得数据集包含过去比赛的数据。新产生的数据集对分析和预测之后的比赛很有用。

在数据科学项目中,确定哪些特征与机器学习模型相关是最耗时的部分。

现在,让我们在结果数据集中添加净胜球数和结果列。

查看新的结果数据框。

然后我们将使用数据的子集。其中包括只有尼日利亚参加的比赛。这将有助于我们了解某支球队的特色,并拓展运用到其他参赛球队。

第一届世界杯于1930年举办。创建年份列,选择1930年以后的所有比赛。

现在可以将这些年尼日利亚的比赛结果进行可视化。

每个世界杯参赛球队的获胜率是很有用的指标,我们可以用它来预测每场比赛的结果。其中比赛场地并不重要。

参赛球队

对所有参赛球队创建数据框。

然后进一步过滤数据框,只显示从1930年起到今年世界杯的球队,减少重复的球队。

创建年份列,并删除1930年之前的比赛,以及不影响比赛结果的列,例如日期、主队进球数、客队进球数、锦标赛、城市、国家、净胜球数和比赛年份。

修改“Y”(预测标签)以简化模型处理。

如果主队获胜,获胜队(winner_team)列将显示“2”,如果是平局则显示“1”,如果客队获胜则显示“0”。

通过设置虚拟变量,将主队(home_team)和客队(away _team)从分类变量转换为连续输入。

使用 pandas,get_dummies()函数。从而用one-hot(数字“1”和“0”)代替分类列,确保加载到Scikit-learn模式。

然后,我们将X和Y集分开,并将数据的70%用于训练,30%用于测试。

我们将使用逻辑回归。通过逻辑函数估计概率,我可以测量分类因变量和一个或多个自变量之间的关系。

换句话说,逻辑回归通过影响结果的数据点(统计数据)对结果进行预测(赢或输)。

在实际运用中,每次对一场比赛输入算法,同时提供上述“数据集”和比赛的实际结果。然后,模型将学习输入数据将如何对比赛结果产生积极或消极影响。

让我们看到最终数据框

看起来很棒。现在加入算法:

我们的模型在训练集上的准确率为57%,测试集的准确率为55%。这并不理想,但让我们继续。

现在我们将创建数据框部署模型

首先,我们将加载截至到2018年4月的国际足联排名数据集和小组赛阶段的数据集。

国际足联排名:

(https://us.soccerway.com/teams/rankings/fifa/?ICID=TN_03_05_01)

小组赛阶段数据:

(https://fixturedownload.com/results/fifa-world-cup-2018)

国际足联排名较高的球队将被视为“受欢迎”球队。由于世界杯中不分“主队”或“客队”球队,他们都将归属到“home_teams”列。然后,根据每个团队的排名将球队添加到新的预测数据集中。下一步将创建虚拟变量并部署机器学习模型。

预测比赛

你肯定在想什么时候才能到预测部分。前面代码和解释占据了太多的篇幅,现在我们开始预测。

将模型部署到数据集

首先将模型部署到小组赛。

下面是小组赛的结果

该模型预测了三场平局,并预测西班牙有很高的胜率。我用这个网站预测了小组赛。

(https://ultra.zone/2018-FIFA-World-Cup-Group-Stage)

16强

以下是对16强的预测。

四分之一决赛

四分之一决赛的情况为:

葡萄牙vs法国,巴西vs英格兰,西班牙vs阿根廷,德国vs比利时

预测结果:

半决赛

葡萄牙vs巴西;德国vs阿根廷

预测结果:

决赛

巴西vs德国

预测结果:巴西获胜。

根据模型预测,巴西很可能赢得本次世界杯

结语

研究和改进空间:

1.数据集。为了改进数据集,你可以使用国际足联数据来评估球队中每个球员的水平。

2.混淆矩阵能够用于分析模型分析错误的情况。

3.我们可以整合更多模型,从而提高预测准确率。

完整的代码如下:

https://github.com/itsmuriuki/FIFA-2018-World-cup-predictions

原文链接:

https://blog.goodaudience.com/predicting-fifa-world-cup-2018-using-machine-learning-dc07ad8dd576

投票

根据各大数据机构给出的本届世界杯夺冠赔率榜,本次的八大夺冠热门球队为:巴西、德国、西班牙、法国、阿根廷、比利时、英格兰、葡萄牙。你觉得哪支球队能赢得的冠军奖杯呢?

原文发布于微信公众号 - CDA数据分析师(cdacdacda)

原文发表时间:2018-06-13

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI研习社

由你定义吃鸡风格!CycleGAN,你的自定义风格转换大师

如果你是一名玩家,你一定听说过现在两场疯狂流行的大战「大逃杀」,堡垒之夜和绝地求生。他们是两个非常相似的游戏,其中有 100 个玩家在一个小岛上出没,直到剩下一...

871
来自专栏阮一峰的网络日志

TF-IDF与余弦相似性的应用(三):自动摘要

有时候,很简单的数学方法,就可以完成很复杂的任务。 这个系列的前两部分就是很好的例子。仅仅依靠统计词频,就能找出关键词和相似文章。虽然它们算不上效果最好的方法,...

3179
来自专栏机器学习之旅

Kaggle&TianChi分类问题相关算法快速实现导读理论解析如何设计一个Stacking|Ensemble的模型?案例复现

17/12/30-update :很多朋友私密我想要代码,甚至利用金钱诱惑我,好吧,我沦陷了。因为原始代码涉及到公司的特征工程及一些利益trick,所以我构造了...

2042
来自专栏CDA数据分析师

猫奴的自我修养,教你如何用机器学习识别猫的品种

之前我进行过一个简单的机器学习实验,来判断图像是否为墨西哥卷饼。 使用相同的基于云的认知机器学习技术 Custom Vision,我想处理一个更复杂的场景。 如...

3368
来自专栏量子位

OpenAI发布DQN实现,提出5点做强化学习模型的最佳方法

李林 编译整理 量子位 报道 | QbitAI 出品 今天,马斯克和YC总裁Altman等创办的人工智能非营利组织OpenAI,发布了DQN及其三个变体的Ten...

3194
来自专栏AI科技评论

开发 | 如何从零训练神经网络玩游戏?这里有一段详细的解读视频

AI科技评论消息,最近,Youtube 上的知名游戏博主 SethBling 训练了一个叫 MariFlow 的神经网络来玩 Mario Kart 游戏。在进行...

4037
来自专栏人工智能头条

浅析强化学习及使用Policy Network实现自动化控制

1742
来自专栏专知

【专知翻译】神经网络视频教程1.1——人工神经元(Hugo Larochelle)

1252
来自专栏专知

【专知翻译】单个神经元的能力-神经网络视频教程1.3(Google 大脑Hugo Larochelle)

1317
来自专栏专知

ECCV2018教程146页《对抗机器学习》PPT教程(附PPT下载)

导读:全球计算机视觉三大顶会之一 ECCV 2018(European Conference on Computer Vision)于9月8日到14 日在德国举...

2301

扫码关注云+社区

领取腾讯云代金券