籃球統計的預測算法

Question

我正在製作一個項目，我需要根據籃球運動員過去的統計數據來預測未來的統計數據。我希望能夠根據過去三個賽季的統計數據（如果有前三個賽季可供選擇）預測下賽季的統計數據。有沒有人有一個好的預測算法，我可以使用的建議？數據是連續的，並且可以有5-14維度（年齡，分鐘，點等）之間的任何地方

謝謝！

注：我真的很喜歡使用Weka程序來做到這一點。

Answer 1

開箱即用，random forest可能會給你一個強大的基線，所以我會從這開始。

您也可以嘗試嘗試linear regression，這是一種簡單但相對有效的方法，但依賴於數據可能需要稍微調整一些（例如轉換一些輸入和/或輸出變量）。

Gradient boosting迴歸是另一個強大的預測指標，但通常還需要更多的調整才能正常工作。

所有這些算法都有Weka實現。

Answer 2

我推薦你懶惰KStar算法。

從在Pentaho維基摘自：「ķ * 是基於實例的分類器，其是類的測試實例是基於類類似於它的那些訓練實例，如由一些相似性的函數確定它不同於其他基於實例的學習者，因爲它使用基於熵的距離函數。「

Answer 3

顯然沒有一個正確的答案，但對於任何想要做類似事情的人來說，我會更好地描述我的問題以及我找到的解決方案。我創建了一個csv文件，每行都是不同的季節，每列都包含不同的屬性。對於我想要預測的每個屬性，我都有本賽季的統計數據，然後是上一季的統計數據。第一場（新秀賽季）對於所有'上賽季'的球隊都會有0。使用這個數據集，我將它加載到Weka中，並使用一個多層感知器，將測試選項設置爲交叉驗證。我將摺疊數設置在可用季節數的80-90％之間。

最後，爲了預測下一季的統計數據，您最後再添加一行，並輸入最後一個季節的值「？」在你想要預測的列中。如果有人想要更深入的例子，我會很高興提供一個。