使用深度学习来预测NBA比赛结果

df.head()

应用深度进修来猜测NBA比赛结不雅

输入数据去掉落无关项，整顿成练习数据和测试数据：

dataX = df.drop(["win", "date", "home", "away"], axis=1) 
dataY = df["win"] 
train_x = np.array(dataX)[::2] # train set 
train_y = np.array(dataY)[::2] 
test_x = np.array(dataX)[1::2] # test set 
test_y = np.array(dataY)[1::2]

处理后的数据维度：

应用深度进修来猜测NBA比赛结不雅

可以看到 10 个 epochs 之后，模型对于练习数据的精确度已经达到了 98.89%

搭建深度收集

这部分其实反而是这篇文┞仿中最简单的部分，因为我们有 Keras：

from keras.models import Sequential 
from keras.layers.core import Dense 
 
model = Sequential() 
model.add(Dense(60, input_dim=train_x.shape[1], activation='relu')) 
model.add(Dense(30, activation='relu')) 
model.add(Dense(1, activation='sigmoid')) 
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

最简单的三层全连接层收集。

因为收集的输出维度是 1，所以最后一层的激活函数是 sigmoid，损掉函数为 binary_crossentropy。

应用深度进修来猜测NBA比赛结不雅

模型练习以及验证

应用深度进修来猜测NBA比赛结不雅

再应用测试数据对该模型进行验证：

应用深度进修来猜测NBA比赛结不雅

def predict(home=None, away=None): 
    home_data = game_detail_df[(game_detail_df['name']==home) & (game_detail_df['home']==1)].sort_values(by='date', ascending=False)[:5].mean() 
    away_data = game_detail_df[(game_detail_df['name']==away) & (game_detail_df['home']==0)].sort_values(by='date', ascending=False	
			 2/4   首页 上一页 1 2 3 4 下一页 尾页	
			

　　推荐阅读
　　CNN与RNN对中文文本进行分类--基于TENSORFLOW实现
            Tech Neo技巧沙龙 | 11月25号，九州云/ZStack与您一路商量云时代收集界线治理实践运行 python run_cnn.py test 在测试集长进行测试。
            练习与验证还可以经由过程进一步的调节参数，来达到更>>>详细阅读


本文标题：使用深度学习来预测NBA比赛结果
地址：http://www.17bianji.com/lsqh/39191.html
 1/2    1