机器学习 线性回归分析和预测棒球比赛数据

要成为自己的光呀

  • 对 baseball_02.csv 里面的数据进行分析,并利用 sklearn 的线性回归模型预测球队的表现
  • 有关MLB的详细信息,请参阅以下中文维基百科页面: https://bk.tw.lvfukeji.com/wiki/MLB 你也可以看电影《金钱球》,了解奥克兰田径队是如何利用分析来重塑棒球队的管理的
  • 分析和代码测试都是在 jupyter notebook 环境中进行的

一、查看数据

# 导入需要用到的包
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib as mpl
from sklearn import linear_model
%matplotlib inline
# 读取数据  查看前5行数据
baseball = pd.read_csv('baseball_02.csv')
baseball.head(5)

分析时需要用到的字段的含义

  • RS:run scored 得分
  • RA:run allowes 失分
  • W:win 获胜次数
  • OBP上垒率/打者不出局率:安打数+保送数+触身球数/打数+保送数+触身球数
  • SLG长打率/衡量打者长打能力:一垒打数+二垒打数2+三垒打数3+全垒打数*4/该打者的打数
  • BA打击率:安打数/打数
  • Playoffs 季后赛:0:未进入季后赛 1:进入季后赛
  • OOBP:对手的基本百分比
  • OSLG:对手的重击百分比

二、线性回归分析与预测

第一个预测问题是
一支球队要在常规赛中赢多少场才能进入季后赛?
现在,你可以将常规赛简化成一道数学题,利用1995年至2001年的数据绘制散点图。

# 分组  进入季后赛 与 未进入季后赛分组 统计各自最小的胜投次数
baseball.groupby('Playoffs').min()['W']

从历史数据来看,要进入季后赛,至少需要赢 82 场

# -*- coding: UTF-8 -*-
"""
@Author  :叶庭云
@公众号  :修炼Python
@CSDN    :https://yetingyun.blog.csdn.net/
"""
# 条件筛选 从1995年至2001年且进入季后赛的队伍  统计这些队伍的获胜次数  散点图可视化
baseball2 = baseball[baseball["Year"]>=1995].copy()
baseball2 = baseball2[baseball2["Year"]<=2001].copy()
baseball2 = baseball2[baseball2["Playoffs"]==1].copy()
plt.figure(figsize=(12, 8), dpi=120)
mpl.rcParams['font.family'] = 'SimHei'
plt.style.use('ggplot')
plt.scatter(range(baseball2.shape[0]),baseball2["W"],color='red')
plt.xlabel('各个队伍')
plt.ylabel('胜投数')
plt.savefig('test_01.png')
baseball2.shape     # (48, 15)

从散点图容易看出,有一个最小值82,但大部分散点在 85 以上,所以一支球队要在常规赛中获胜 85 场以上,进入季后赛的概率很大。

思考一个团队如何才能取得 X 场胜利
当一个队的得分比对手多时,它就会获胜。但是,球队要赢了多少次?
使用一个线性回归模型,回答一个问题:如何能使一个球队获胜,在常规赛中,它的得分需要比失分多多少分?
首先,您只使用2002年以前的数据

baseball2 = baseball[baseball["Year"]<=2002].copy()
baseball2.head()

为了使问题更简单,您可以创建一个变量来保存球队得分和球队失分的差。
然后,您可以将该变量用作线性回归模型中的单个自变量,因变量是获胜次数。

# -*- coding: UTF-8 -*-
"""
@Author  :叶庭云
@公众号  :修炼Python
@CSDN    :https://yetingyun.blog.csdn.net/
"""
baseball2["newVar"] = baseball2["RS"] - baseball2["RA"]
reg1 = linear_model.LinearRegression()
# 球队得分和球队失分的差
x = baseball2["newVar"].values.reshape(-1,1)
# 获胜次数
y = baseball2["W"].values.reshape(-1,1)
reg1.fit(x,y)
yPred = reg1.predict(x)
# 预测至少胜 85 场进季后赛  在常规赛中,球队的得分需要比失分多89.858009分
predict_sample = reg1.predict([[85]])
print(predict_sample[0][0])

plt.figure(figsize=(12, 8), dpi=120)
plt.rcParams['axes.unicode_minus']=False  # 用于解决不能显示负号的问题
plt.clf()
# fig,ax = plt.subplots(1,1)
plt.scatter(x,y,label="true",color='blue')
plt.scatter(x,yPred,label="pred",color='red')
plt.xlabel('得分与失分之差')
plt.ylabel('获胜次数')
plt.savefig('test_02.png')   # 保存图片
plt.legend()   # 显示图例

根据拟合的线性回归模型,如果一支球队想要赢得 85 场胜利,它球队的得分比失分需要多大约 90 分。

现在,从上面的线性回归模型中,你知道一个团队应该比它允许的 X 胜是多少次。
从本质上讲,一支球队的得分应该超过它允许的获胜次数。接下来,我们要预测球队的得分和允许的失分。
关于得分,假设两个棒球统计数据比其他任何东西都重要:
(1)上垒百分比(OBP):玩家在垒上的时间百分比(包括步行)
(2)重击百分比(SLG):玩家在回合中绕垒的距离(测量力量)
(3)对于你的回归模型,你还包括另一个变量,(BA):击球得分

# 运行一个带有上述三个变量的线性回归模型来预测得分
x = baseball2[["OBP","SLG","BA"]].values.reshape(-1,3)
y = baseball2[["RS"]].values.reshape(-1,1)
reg2 = linear_model.LinearRegression()
reg2.fit(x,y)
yPred = reg2.predict(x)
baseball2["3var_pred"] = yPred
baseball2[["OBP","SLG","BA","RS","3var_pred"]].head()

# 运行另一个只有两个变量的线性回归模型,OBP和SLG
x = baseball2[["OBP","SLG"]].values.reshape(-1,2)
y = baseball2[["RS"]].values.reshape(-1,1)
reg3 = linear_model.LinearRegression()
reg3.fit(x,y)
yPred = reg3.predict(x)
baseball2["OBP SLG pred"] = yPred
baseball2[["OBP","SLG","RS","OBP SLG pred"]].head()

如果一支棒球队的OBP为0.311,SLG为0.405,我们期望该队得分多少分?

x = np.array([0.311,0.405]).reshape(-1,2)
var2_Pred = reg3.predict(x)
print(var2_Pred[0][0])

我们可以使用线性回归模型来预测允许的失分。
使用以下两个变量,OOBP(对手的基本百分比)和OSLG(对手的重击百分比)。

print(baseball.columns)
baseball3 = baseball.dropna(subset=['OOBP'], axis=0, inplace=False)
baseball3 = baseball.dropna(subset=['OSLG'], axis=0, inplace=False)
#baseball2.head()
x = baseball3[["OOBP","OSLG"]].values.reshape(-1,2)
y = baseball3[["RA"]].values.reshape(-1,1)
reg4 = linear_model.LinearRegression()
reg4.fit(x,y)
yPred = reg4.predict(x)
baseball3["OOBP OSLG pred"] = yPred
baseball3[["OOBP","OSLG","RA","OOBP OSLG pred"]].head()

如果一支棒球队的对手OBP(OOBP)为0.297,对手SLG(OSLG)为0.370,预期球队允许失分多少?

x = np.array([0.297,0.370]).reshape(-1,2)
yPred = reg4.predict(x)
print(yPred[0][0])

现在让我们假设我们使用线性回归模型来预测2002年奥克兰A队将赢得多少场比赛
在我们的数据中,‘Team’ 变量中的 OAK 代表oaklanda。
运行的模型使用团队统计数据。我们将使用 2001 年的团队统计数据来预测 2002 年的情况。
2001年奥克兰A队的 OBP 和 SLG 是多少?根据我们的得分模型,这个队预计能得分多少?

# 提取2001年oaklanda的数据
baseball2 = baseball[baseball["Team"]=="OAK"].copy()
baseball2 = baseball2[baseball2["Year"]==2001].copy()[["OBP","SLG"]]
print(baseball2.head())  # OBP和SLG
x = baseball2.values.reshape(-1,2)
yPred = reg4.predict(x)
print()
print(yPred[0][0])   # 预测得分
RS = yPred[0][0]

2001年奥克兰A队的OOBP和OSLG是多少?根据我们的允许失分模型,该球队预计失分多少

baseball2 = baseball[baseball["Team"]=="OAK"].copy()
baseball2 = baseball2[baseball2["Year"]==2001].copy()[["OOBP","OSLG"]]
print(baseball2.head())
x = baseball2.values.reshape(-1,2)
yPred = reg3.predict(x)
print()
print(yPred[0][0])    # 预测失分
RA = yPred[0][0]

现在我们已经预测了2002年奥克兰A的得分和失分。根据预测和我们的获胜模型,预计球队会赢多少场?

x = np.array(RS - RA).reshape(-1,1)
wPred = reg1.predict(x)[0][0]
print(wPred)
# 大约会赢101场

根据预测的获胜次数,你预测球队是否会在2002年进入季后赛?

这支球队会在2002年进入季后赛,根据线性回归模型预测出的获胜的场数约为101场,大于85。

从我们的数据中,你可以了解2002年奥克兰A队的实际表现。
你认为你的预测在得分、允许跑数和获胜数方面是否接近实际表现?

# -*- coding: UTF-8 -*-
"""
@Author  :叶庭云
@公众号  :修炼Python
@CSDN    :https://yetingyun.blog.csdn.net/
"""
oak2002 = baseball[baseball["Team"]=="OAK"].copy()
oak2002 = oak2002[oak2002["Year"]==2002].copy()
print(f'Playoffs:{oak2002["Playoffs"].values}')    
print("事实  RS:%.2f  RA:%.2f  W:%.2f"%(oak2002["RS"],oak2002["RA"],oak2002["W"]))
print("预测  RS:%.2f  RA:%.2f  W:%.2f"%(RS,RA,wPred))

这支球队 2002 年的确进入季后赛了,预测的得分、失分、获胜场数与真实数据相比差异不大,因为每年团队层面的差异并不大
所以用 2001 年的数据来预测 2002 年的数据也不会有太大的差异,误差较小。

打赏
文章很值,打赏犒劳作者一下
相关推荐
©️2020 CSDN 皮肤主题: 书香水墨 设计师:CSDN官方博客 返回首页

打赏

叶庭云

你的鼓励将是我创作的最大动力

¥2 ¥4 ¥6 ¥10 ¥20
输入1-500的整数
余额支付 (余额:-- )
扫码支付
扫码支付:¥2
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付 39.90元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值