标签:预测 AI 模型 赛果 np train 足球赛 test model
足球比赛是世界第一大球类运动,吸引无数的球迷观看,用AI模型来预测足球比赛的分析赛果是很有趣的一个活动。
- 数据准备
在对历史数据进行收集和处理后,对以下比赛数据进行预测。
第一列数据表征二分类的赛果,后面是各公司的指数以及一些处理出来的特征数据;
- 模型选择
作为常见的模型,这里选用了XGBoost 进行分类预测。
X_train = np.array(X_train)
X_test = np.array(X_test)
model = xgb.XGBClassifier(max_depth=6, learning_rate=0.01, n_estimators=200, silent=0)
model.fit(X_train, y_train)
predictions = [round(value) for value in ans]
accuracy = accuracy_score(y_test, predictions)
并且还可以对模型中的各个参数的重要性进行输出,
plot_importance(model)
plt.show()
其它分类模型及Bagging手段都可以采用提升模型的准确率。
基于模型和历史数据,基于兴趣开发了一个web 服务,有兴趣的小伙伴可以注册试试。 fancyfootball.xyz
标签:预测,AI,模型,赛果,np,train,足球赛,test,model 来源: https://blog.csdn.net/qcl006007/article/details/122561436
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。