提起「大数据」，你会想到什么？

在很多人脑中，大数据都只是一个模糊的概念；也有人会说，大数据可以用来“预测股市”、“预测地震”、“预测消费者行为”。但其实，大数据与我们的关系可能比想象中得更紧密。

从夜观天象到气象预报，从童话里的水晶球到今日的科技预言家，人类一直希望能够更早突破局限看穿未来，人类的生活也正在被大数据预测深刻改变。

相信你一定知道世界杯中，「章鱼保罗」的传说，但你可能不知道的是，它早已被大数据预测所取代：世界杯期间，谷歌、百度、微软和高盛等公司都推出了比赛结果预测平台。百度预测结果最为亮眼，预测全程 64 场比赛，准确率为 67%，进入淘汰赛后准确率为 94%。

从经验来看，只要有体育赛事历史数据，并且与指数公司进行合作，便可以进行其他赛事的预测，譬如欧冠、NBA 等赛事。

今天的课程，我们就基于 2015-2016 年的 NBA 常规赛及季后赛的比赛统计数据，预测在当下正在进行的 2016-2017 常规赛每场赛事的结果。

( 当然 NBA 比赛的影响因素有很多，转会、换教练、换球场甚至换保安，都有可能对比赛结果造成影响，所以本课程只提供方法，更多的信息挖掘和分析思路留给你来拓展。)

一、课程介绍

1. 内容简介

不知道你是否朋友圈被刷屏过 NBA 的某场比赛进度或者结果？或者你就是一个 NBA 狂热粉，比赛中的每个进球，抢断或是逆转压哨球都能让你热血沸腾。除去观赏精彩的比赛过程，我们也同样好奇比赛的结果会是如何。因此本节课程，将给同学们展示如何使用 NBA 比赛的以往统计数据，判断每个球队的战斗力，及预测某场比赛中的结果。

我们将基于 2015-2016 年的 NBA 常规赛及季后赛的比赛统计数据，预测在当下正在进行的2016-2017 常规赛每场赛事的结果。

2. 课程知识点NBA 球队的 Elo score 计算

特征向量

逻辑回归

3. 实验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

利用机器学习方法学习每场比赛与胜利队伍的关系，并对2016-2017的比赛进行预测

4. 效果截图

二、获取 NBA比赛统计数据

2.1 比赛数据介绍

在本次实验中，我们将采用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。而我们在这里将会使用2015-16 NBA Season Summary中数据。

在这个2015-16总结的所有表格中，我们将使用的是以下三个数据表格：Team Per Game Stats：每支队伍平均每场比赛的表现统计。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。

我们将用这三个表格来评估球队过去的战斗力，另外还需2015-16 NBA Schedule and Results中的2015~2016年的nba常规赛及季后赛的每场比赛的比赛数据，用以评估Elo score(在之后的实验小节中解释)。在Basketball http://Reference.com中按照从常规赛至季后赛的时间。列出了2015年10月份至2016年6月份的每场比赛的比赛情况。

可在上图中，看到2015年10月份的部分比赛数据。在每个Schedule表格中所包含的数据为：

在预测时，我们同样也需要在2016-17 NBA Schedule and Results中2016~2017年的NBA的常规赛比赛安排数据。

2.2 获取比赛数据

我们将以获取Team Per Game Stats表格数据为例，展示如何获取这三项统计数据。进入到basketball-refernce.com中，在导航栏中选择Season并选择2015~2016赛季中的Summary：

进入到2015~2016年的Summary界面后，滑动窗口找到Team Per Game Stats表格，并选择左上方的Share & more，在其下拉菜单中选择Get table as CSV (for Excel)：

复制在界面中生的的csv格式数据，并复制粘贴至一个文本编辑器保存为csv文件即可：

为了方便同学们进行实验，我们已经将数据全部都保存成 csv文件上传至实验楼的云环境中。在后续的代码实现小节里，我们将给出获取这些文件的地址。

三、数据分析

在获取到数据之后，我们将利用每支队伍过去的比赛情况和 Elo 等级分来判断每支比赛队伍的可胜概率。在评价到每支队伍过去的比赛情况时，我们将使用到Team Per Game Stats，Opponent Per Game Stats和Miscellaneous Stats(之后简称为T、O和M表)这三个表格的数据，作为代表比赛中某支队伍的比赛特征。我们最终将实现针对每场比赛，预测比赛中哪支队伍最终将会获胜，但并不是给出绝对的胜败情况，而是预判胜利的队伍有多大的获胜概率。因此我们将建立一个代表比赛的特征向量。由两支队伍的以往比赛情况统计情况(T、O和Ｍ表)，和两个队伍各自的 Elo 等级分构成。

关于 Elo score 等级分，不知道同学们是否看过《社交网络》这部电影，在这部电影中，Mark(主人公原型就是扎克伯格，FaceBook创始人)在电影起初开发的一个美女排名系统就是利用其好友Eduardo在窗户上写下的排名公式，对不同的女生进行等级制度对比，最后PK出胜利的一方。

这条对比公式就是Elo Score 等级分制度。Elo 的最初为了提供国际象棋中，更好地对不同的选手进行等级划分。在现在很多的竞技运动或者游戏中都会采取 Elo 等级分制度对选手或玩家进行等级划分，如足球、篮球、棒球比赛或 LOL、DOTA 等游戏。

后面的「数据分析」「基于数据进行模型训练和预测」不再赘述，请移步实验楼查看：

课后作业：

本次课程中，我们只是利用了scikit-learn提供的Logisitc Regression方法进行回归模型的训练，你可否尝试scikit-learn中的其他机器学习方法，或者其他类似于TensorFlow的开源框架，结合我们所提供的数据集进行训练。若采用Scikit-learn中的方法，可参看实验楼的课程：ebay在线拍卖数据分析。或是结合下图进行模型的尝试：

微信关注公众号[实验楼]，手机查看海量项目教程。