如何使用 scikit learn 预测未来的结果，Python 中的 pandas 使用随机森林回归器方法？

Question

您好，我看到了本教程，介绍了如何使用 python 和一些库来预测未来的 NCAAB 比赛，使用运动参考库。我将发布代码以及文章。这似乎运作良好，但我认为它只是过去基于游戏的测试。我将如何使用它来预测特定球队的未来比赛？例如，该日期 A 队和 B 队的比分是多少？

我看到的问题是，使用的一些数据只有在游戏结束后才能知道。这些已知数据是程序中用来预测分数的数据。

第一个实验：我尝试只填充我在游戏发生之前就知道的数据，并使用 fillna(0) 将剩余的数据填充为零。这是 csv 的样子：

date_team，away_assist_percentage，away_assists，away_block_percentage，away_blocks，away_defensive_rating，away_defensive_rebound_percentage，away_defensive_rebounds，away_effective_field_goal_percentage，away_field_goal_attempts，away_field_goal_percentage，away_field_goals，away_free_throw_attempt_rate，away_free_throw_attempts，away_free_throw_percentage，away_free_throws，away_losses，away_minutes_played，away_offensive_rating，away_offensive_rebound_percentage，away_offensive_rebounds，away_personal_fouls，AWAY_POINTS，away_steal_percentage ，away_steals，away_three_point_attempt_rate，away_three_point_field_goal_attempts，away_three_point_field_goal_percentage，away_three_point_field_goals，away_total_rebound_percentage，away_total_rebounds，away_true_shooting_percentage，away_turnover_percentage，away_turnovers，away_two_point_field_goal_attempts，away_two_point_field_goal_percentage，away_two_point_field_goals，away_win_percentage，away_wins，home_assist_percentage，home_assists，home_block_percentage，home_blocks，H ome_defensive_rating，home_defensive_rebound_percentage，home_defensive_rebounds，home_effective_field_goal_percentage，home_field_goal_attempts，home_field_goal_percentage，home_field_goals，home_free_throw_attempt_rate，home_free_throw_attempts，home_free_throw_percentage，home_free_throws，home_losses，home_minutes_played，home_offensive_rating，home_offensive_rebound_percentage，home_offensive_rebounds，home_personal_fouls，HOME_POINTS，home_steal_percentage，home_steals，home_three_point_attempt_rate，home_three_point_field_goal_attempts，home_three_point_field_goal_percentage，home_three_point_field_goals，home_total_rebound_percentage， home_total_rebounds,home_true_shooting_percentage,home_turnover_percentage,home_turnovers,home_two_point_field_goal_attempts,home_two_point_field_goal_percentage,home_two_point_field_goals,home_win_percentage,home_wins,pace 0,0,0,0,0,0,0,0,0,59,0,0,0,0,0,8,0,0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0,0,0,0,0,0.7,7,0,0,0,0,0,0,0,0,0,0,42, 0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, 0,0,.1,1,0 最后一行代码改为： print(model.predict(final_trim).astype(int), y_test)

“final_trim”是正在预测的新 csv。

结果根本不准确。我错过了什么？

这里是原始代码：

import pandas as pd
from sportsreference.ncaab.teams import Teams
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split

FIELDS_TO_DROP = ['away_points', 'home_points', 'date', 'location',
                  'losing_abbr', 'losing_name', 'winner', 'winning_abbr',
                  'winning_name', 'home_ranking', 'away_ranking']

dataset = pd.DataFrame()
teams = Teams()
for team in teams:
    dataset = pd.concat([dataset, team.schedule.dataframe_extended])
X = dataset.drop(FIELDS_TO_DROP, 1).dropna().drop_duplicates()
y = dataset[['home_points', 'away_points']].values
X_train, X_test, y_train, y_test = train_test_split(X, y)
parameters = {'bootstrap': False,
              'min_samples_leaf': 3,
              'n_estimators': 50,
              'min_samples_split': 10,
              'max_features': 'sqrt',
              'max_depth': 6}
model = RandomForestRegressor(**parameters)
model.fit(X_train, y_train)
print(model.predict(X_test).astype(int), y_test)

这是我从中得到的帖子： https://towardsdatascience.com/predict-college-basketball-scores-in-30-lines-of-python-148f6bd71894

谢谢！

Answer 1

这样想，如果你想测试模型的拟合优度，那么你必须提前知道结果，这样你就可以测量你的（模型）输出和实际结果并执行必要的调整以提高模型的整体性能。

一旦您训练了模型，如果您想预测未来的值，那么（在不了解您的工作内容的情况下）您应该为模型提供与训练时相同的特征，但使用您将要制作的数据你的预测。这是一个非常基本的示例，使用两个变量来预测两支球队（A 和 B）的得分：

import pandas as pd 
data = {'Temperature':[10,20,30,25],'Humidity':[40,50,80,65],'Score_A':[1,2,3,2],'Score_B':[6,3,1,2]}
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split
df = pd.DataFrame(data)
print(df)
X = df[['Temperature','Humidity']]
Y = df[['Score_A','Score_B']]
X_train, X_test, y_train, y_test = train_test_split(X, Y,random_state=42)
model = RandomForestRegressor(random_state=42)
model.fit(X_train, y_train)

在这里我已经训练了我的模型，所以如果我想对未来进行预测，我需要传递我在训练中使用的相同特征（温度和湿度），但要传递我想要进行预测的值在。假设我们的朋友气象学家说他们下一场比赛的温度和湿度分别是 35 和 70。所以我需要将.predict() 与这些值一起使用：

model.predict(print(model.predict([[35,70]])) 

返回以下输出：

[[2.6 1.4]]

如果你想让它更漂亮：

prediction = model.predict([[35,70]])
print("Team A will score: ",prediction[0][0])
print("Team B will score: ",prediction[0][1])

返回：

Team A will score:  2.6
Team B will score:  1.4