崔昊成

本研究利用Python和scikit-learn机器学习技术，针对NBA单场比赛的胜负预测问题，构建了一个回归预测模型。笔者系统收集、清洗并整理了近5个赛季的NBA比赛数据，融合了基础统计数据（得分、篮板等）与高阶效率指标（进攻效率、防守效率、真实命中率等）作为特征。最终训练的模型在独立测试集上实现了约70%的分类准确率。该结果表明，机器学习方法在NBA单场胜负预测中具有可行性。更重要的是，本研究完整呈现了从数据获取、特征工程、模型构建到评估优化的流程，为相关教育与研究实践提供了可参考的案例。

Python；机器学习；scikit-learn；NBA；数据分析

[1] Glickman,M.E.,&Stern,H.S.(1998).A state-space model for National Football League scores.J.Am.Stat.Assoc.,93(441),25–35. [2] Loeffelholz,B.,Bednar,E.,&Bauer,K.W.(2009).Predicting NBA games using neural networks.J.Quant.Anal.Sports,5(1). [3] Joseph,A.,Fenton,N.E.,&Neil,M.(2006).Predicting football results using Bayesian nets and other machine learning techniques. Knowledge-Based Systems,19(7),544–553. [4] Kohavi,R.(1995).A study of cross-validation and bootstrap for accuracy estimation and model selection.IJCAI'95 Proc.2,1137–1143. [5] National Basketball Association.(2024).Official NBA Statistics.Retrieved from. [6] Python Software Foundation.(2024).Python Language Reference,version 3.12.Retrieved from.

点击下载PDF