没有合适的资源?快使用搜索试试~ 我知道了~
NBA_Shot_Prediction
共44个文件
png:30个
ipynb:4个
pyc:2个
需积分: 11 2 下载量 188 浏览量
2021-03-28
03:26:31
上传
评论
收藏 18.33MB ZIP 举报
温馨提示
NBA射门预测-最大限度提高篮球比赛的获胜机会 项目概况 我们的目标是根据拍摄后进行的数据分析以及考虑到拍摄情况的情况,建立玩家是否得分的射击预测模型,以帮助所有利益相关者开发更有效的游戏策略。 在构建模型时,我们的数据挖掘目标是找到具有最高准确性和F1分数的最佳模型。 对利益相关者的影响和潜在利益 数据理解与准备 在解释如何准备原始数据集之前,我们将首先对其进行解释。 之后,我们将使用探索性数据可视化(EDA)方法探索新的混合数据集。 原始Kaggle数据集 该数据集是公共的Kaggle数据集,记录了NBA 2014-2015赛季期间尝试的所有投篮。 数据由名为“ DanB”的Kaggle数据科学家上传,他从NBA的REST API中获取了原始数据。 目标变量是“射击结果”,无论玩家是进行射击(“制造”)还是错过射击(“缺失”)。 预测变量包括“ Game_ID”,“ Matchup”,
资源推荐
资源详情
资源评论
收起资源包目录
NBA_Shot_Prediction-master.zip (44个子文件)
NBA_Shot_Prediction-master
Group_4_Project_Report.pdf 1.4MB
feature_selector.zip 18KB
shot_logs(original3).csv 10.29MB
images
plot2.png 50KB
table2.png 60KB
cor2.png 97KB
table5.png 38KB
屏幕快照 2018-12-06 下午3.10.52.png 47KB
result1.png 95KB
table6.png 44KB
plot1.png 24KB
feature1.png 70KB
屏幕快照 2018-12-05 下午11.09.20.png 90KB
table3.png 20KB
cor1.png 186KB
gb1.png 77KB
屏幕快照 2018-12-05 下午11.04.19.png 274KB
table1.png 63KB
rfe.png 8KB
plot3.png 29KB
feature2.png 71KB
table4.png 35KB
result2.png 99KB
Group_4_Code_2 .ipynb 376KB
414Final Project
屏幕快照 2018-11-28 下午5.47.11.png 135KB
屏幕快照 2018-11-29 下午2.22.42.png 42KB
屏幕快照 2018-11-29 下午3.47.17.png 51KB
屏幕快照 2018-11-28 下午1.55.00.png 68KB
屏幕快照 2018-11-28 下午7.39.51.png 41KB
屏幕快照 2018-11-28 上午11.01.43.png 70KB
屏幕快照 2018-11-28 下午4.53.11.png 72KB
屏幕快照 2018-11-28 下午5.46.55.png 55KB
屏幕快照 2018-11-28 下午5.47.21.png 104KB
屏幕快照 2018-11-28 下午5.46.36.png 128KB
shot_logs(original).csv 28.2MB
README.md 18KB
Group_4_Slices .pptx 8.17MB
feature_selector
feature_selector.py 28KB
__init__.py 46B
__pycache__
feature_selector.cpython-37.pyc 20KB
__init__.cpython-37.pyc 257B
Cola_Feature selection.ipynb 235KB
Group_4_Code_1 .ipynb 706KB
tensorflow_1-Copy1.ipynb 36KB
共 44 条
- 1
资源评论
易洪艳
- 粉丝: 32
- 资源: 4503
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功