在本文中，我们将以Scikit-learn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-learn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-learn软件包实现CART（分类和回归树）算法作为其默认 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
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：
• Gini impurity: measures how often a decision node would incorrectly predict a sample's class•`Information gain: indicate how much extra information is gained by the decision node
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values参数，从数据集中提取要素以与我们的scikit-learn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1,295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。
