通过KNN算法预测数据所属NBA球员——Python实现
项目介绍
通过得分，篮板，助攻，出场时间四个数据来预测属于哪位球员。 选取了'LeBron James','Chris Paul','James Harden','Kevin Love','Dwight Howard'五位球员单场数据。
数据来源
本文使用数据全部来自于科赛网 ，字段解释如下：
| 字段 | 内容 |
|---|---|
| player | 球员 |
| pts | 得分 |
| reb | 篮板 |
| ast | 助攻 |
| time | 出场时间 |
| season | 赛季 |
项目内容
导入所需包
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
from sklearn.neighbors import KNeighborsClassifier as KNN
导入数据
由于seaborn包作图对中文并不是很友好，我们将原有的字段名都设置为英文。选取我们所需要的五位球员数据命名为data。
#设置主题
sns.set(style="ticks")
#导入数据
data = pd.read_csv('/Users/***/Downloads/NBA.zip/player_season.csv',encoding = 'utf-8')
#避免seaborn包中文显示为方框问题，改为英文
data.columns = ['player', 'season', 'team', 'result', 'score', 'starter', 'time', 'made_percent', 'made', 'shoot',
'3_made_percent', '3_made', '3_shoot', 'ft_percent', 'fta', 'ft', 'reb', u'reb_a', 'reb_b',
'ast', 'stl', 'blk', 'tov', 'foul', 'pts']
data = data.loc[data['player'].isin(['LeBron James','Chris Paul','James Harden','Kevin Love','Dwight Howard'])]
data.head()
image.png
可视化
其实这一步本身是不需要的，但我们还是想先在训练之前看下不同球员的数据特点。
首先我们通过散点图看5位球员的得分情况
- 霍华德，哈登，勒夫在进入联盟初期都有一段适应期，都经历了两三个赛季后有较大提升，哈登上升最为明显，从当年的雷霆三少到开始独自带队之后，开启砍分模式，霍华德/勒夫最近几个赛季由于战术地位的下降，数据也开始下滑；
- 詹姆斯/保罗数据比较稳定，‘出道即巅峰，一巅十五年’说詹姆斯真是没错；
- 单从得分来看，能看出些差别，但不是很明显，尤其是都步入稳定期之后，差别很小；
- ……
plt.figure(figsize = (15,8)) #设置绘图尺寸
sns.stripplot(x='season', y='pts',data = data ,hue = 'player',jitter=True,size = 5)
image.png
接下来我们通过密度图看下5位球员在篮板助攻上的表现：
- 首先是詹姆斯，在篮板助攻上都有不错的表现，非常全面；
- 保罗助攻上表现很抢眼，组织能力出色，篮板也不错，4，5个居多
- 哈登篮板助攻都比较低，还是以得分见长；
- 勒夫/霍华德两位内线球员都是篮板数据更多，相比于霍华德，勒夫分球能力更强；
- 霍华德在助攻上有明显的三个区间，最高的那段肯定是在魔术没错了，当年可是能单换詹姆斯的人；
- ……
f, axes = plt.subplots(3, 2, figsize=(8, 12))
player_list = ['LeBron James','Chris Paul','James Harden','Kevin Love','Dwight Howard']
for ax,name,s in zip(axes.flat,player_list,np.linspace(0, 3, 5)):
cmap = sns.cubehelix_palette(start=s, light=1, as_cmap=True)
x = data[data['player']==name].reb
y = data[data['player']==name].ast
sns.kdeplot(x, y, cmap=cmap, shade=True, cut=5, ax=ax)
ax.set(xlim=(0, 20), ylim=(0, 20))
f.tight_layout()
image.png
各项数据看完心里算是有了一个大概，每个球员都有自己的技术特点：
- 保罗善于传球，所以助攻多；
- 哈登得分能力强，但篮板助攻都偏低；
- 霍华德篮板能力强，助攻偏弱；
- 相比于霍华德，勒夫助攻要更多；
- 詹姆斯全面，从数据上就可以展现；
- ……
最后我们16-17赛季的数据作为测试集，其他赛季的数据作为训练集，看看预测准确率能够达到多少～
#取16-17赛季数据作为测试集
data_train = data[data['season']!=u'16-17']
data_test = data[data['season']==u'16-17']
#得分，篮板，助攻，出场时间为特征，球员为标签
train_x = np.array(data_train[['pts','reb','ast','time']]).tolist()
train_y = np.array(data_train[['player']]).tolist()
test_x = np.array(data_test[['pts','reb','ast','time']]).tolist()
test_y = np.array(data_test[['player']]).tolist()
#训练模型
neigh = KNN(n_neighbors=10)
neigh.fit(train_x, train_y)
#使用模型预测，最后与实际结果对计算准确率
m = 0.0
n = 0.0
for x,y in zip(test_x,test_y):
if neigh.predict([x])[0] == y[0]:
n = n+1
m = m+1
print '预测准确率为：%.2f%%' % (n/m*100)
预测准确率为：49.143%
最后准确率50%不到，马马虎虎～
