在本文中，我们将以Scikit学习的决策树和随机森林预测NBA获胜者。美国国家篮球协会（NBA）是北美主要的男子职业篮球联赛，被广泛认为是首屈一指的男子职业篮球联赛在世界上。它有30个团队（美国29个，加拿大1个）。

在  常规赛期间，每支球队打82场比赛，每场41场。一支球队每年会有四次面对对手（16场比赛）。每个小组在其四次（24场比赛）中的其他两个小组中的六个小组中进行比赛，其余四个小组三次（12场）进行比赛。最后，每个队都会在另一场比赛中两次参加所有的球队（30场比赛） 。

用决策树和随机森林预测NBA获胜者

＃导入数据集并解析日期导入熊猫作为pd df = pd .read_csv（“NBA_2017_regularGames.csv”，parse_dates = [“Date”]）

从游戏玩法的描述中，我们可以计算机会率。在每场比赛中，主队和客队都有可能赢得一半时间

预测类

在下面的代码中，我们将指定我们的分类类。这将帮助我们查看决策树分类器的预测是否正确。如果主队获胜，我们将指定我们的等级为1，如果访客队在另一个名为“主队赢”的列中获胜，我们将指定为0。

df [“主队获胜”] = df [“访客积分”] <df [“主队积分”]

主队胜率：58.4％

＃该数组现在拥有scikit学习可以读取的格式的类值。

特征工程

我们将创建以下功能来帮助我们预测NBA 2017年的获胜者。

无论是来访者还是主队都赢得了最后一场比赛。

一般认为哪个团队更好？

scikit学习软件包实现CART（分类和回归树）作为算法默认其  决策树类

决策树实现提供了一种方法来停止构建树，以防止过度使用以下选项：

•min_samples_split：可以创建任意小叶以便在决策树中创建一个新节点•min_samples_leaf：保证节点中由一个节点产生的最小样本数

建议使用min_samples_split或min_samples_leaf来控制叶节点处的采样数。一个非常小的数字通常意味着树将过度拟合，而大量的数据将阻止树学习数据。

。决策的另一个参数是创建决策的标准基尼的不纯和信息收益是两种流行的：

•基尼杂质：衡量决策节点错误预测样本类别的频率•“信息增益：指示决策节点获得多少额外信息

功能选择

我们通过指定我们希望使用的列并使用数据框视图的值参数，从数据集中提取要素以与我们的scikit学习的DecisionTreeClassifier一起使用。我们使用cross_val_score函数来测试结果。

X_features_only = df [['Home Win Streak'，'Visitor Win Streak'，'Home Team Ranks Higher'，'Home Team Won Last'，'Home Last Win'，'Visitor Last Win']]。

结果准确性：56.0％

通过选择我们制作的功能，精确度下降到56％。是否有可能通过添加更多功能来提高准确性。

混淆矩阵显示了我们决策树的正确和不正确的分类。对角线1295分别表示主队的真正负数和真正的正数。左下角的1表示假阴性的数量。而右上角的195，误报的数量。我们也可以查看大约0.602的准确性分数，这表明决策树模型已经将60.2％的样本正确地归类为主队获胜与否。

导入pydotplus图

出于探索的目的，测试较少数量的变量以便首先获得决策树输出的感觉会很有帮助。最终的树开始于X的分裂，我们的第一个解释变量，主队队列更高。如果主队排名较高的值小于4.5，那么主队就会松动，因为我们的二元变量具有虚假等值亏损值和真实同赢。