2022世界杯冠军是谁,使用Python来预测吧(二)

使用Python预测——2022年世界杯冠军是谁?

微信搜索关注《Python学研大本营》,加入读者群,分享更多精彩

模型

我这里的想法是建立两个模型,一个是Random Forest,另一个是Gradient Boosting,比较一下哪个更好,以便在仿真中使用。我决定使用基于决策树的模型,因为当我研究文献时,它们在足球问题上做得更好。此外,由于数据集的大小,我认为不需要使用更复杂的模型。

我将使用 SkLearn 的GridSearchCV进行参数变化,并将在模拟中使用最佳模型。

from sklearn.ensemble import RandomForestClassifier, GradientBoostingClassifier
from sklearn.model_selection import train_test_split, GridSearchCV#separating the target from the features
X = model_db.iloc[:, 3:]
y = model_db[["target"]]#dividing the database
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size= 0.2, random_state=1)
gb = GradientBoostingClassifier(random_state=5)
params = {"learning_rate": [0.01, 0.1, 0.5],"min_samples_split": [5, 10],"min_samples_leaf": [3, 5],"max_depth":[3,5,10],"max_features":["sqrt"],"n_estimators":[100, 200]} 
gb_cv = GridSearchCV(gb, params, cv = 3, n_jobs = -1, verbose = False)
gb_cv.fit(X_train.values, np.ravel(y_train))#getting the best model
gb = gb_cv.best_estimator_

由于执行延迟,我避免测试很多参数,优先测试具有减少过度拟合的值,例如 learning_rate 不太低和 n_estimators 不太高。

对随机森林做了同样的事情:

params_rf = {"max_depth": [20],"min_samples_split": [5, 10],"max_leaf_nodes": [175, 200],"min_samples_leaf": [5, 10],"n_estimators": [250],"max_features": ["sqrt"],}rf = RandomForestClassifier(random_state=1)
rf_cv = GridSearchCV(rf, params_rf, cv = 3, n_jobs = -1, verbose = False)
rf_cv.fit(X_train.values, np.ravel(y_train))

我用混淆矩阵和ROC曲线分析了模型,结果是:

analyze(gb)

梯度提升结果

analyze(rf)

随机森林结果

随机森林模型的性能稍好,但似乎过拟合。分析 Gradient Boosting 的 AUC-ROC,我们看到一个模型具有几乎相同的性能,但过度拟合的风险较低,这就是选择它的原因。

世界杯模拟

现在,我们到了最有趣的部分:看看模型将预测哪支球队赢得世界杯!

首先要做的是获取参加世界杯的球队名单,我使用了Pandas 的read_html方法。该方法从网页中获取数据框,我将其放入维基百科世界杯页面。这样,我将重新创建世界杯表。

该表包含比赛、小组中每支球队的得分以及存储球队赢得每场比赛的概率的列表。如果两支球队在小组中积分相同,这将用作决胜局。

创表前四组及世界杯前十场比赛 正如我已经解释过的,该模型对主队获胜和客队获胜/平局进行了分类。那么,我们如何预测平局呢?我为此创建了一个客观规则:知道世界杯的所有比赛都是在中立场地进行的,预测将以两种形式进行:

  • A 队 x B 队(模拟 1)

  • B 队 x A 队(模拟 2) 

如果两个预测都是 A 队或 B 队获胜,则将获胜分配给该队。如果一队在第一次预测中获胜,而另一队在第二次预测中获胜,则将被分配平局。季后赛阶段,将计算两次预测的概率,平均概率最高的球队晋级。由于模型将“胜利”分配给客队,即使平局也是如此,因此平局概率在客队的概率范围内。因此,通过这种类型的模拟,两支球队都获得了以平局为优势的模拟。

模拟使用的数据直到球队的最后一场比赛。换句话说,对于巴西来说,特征将计算到对阵突尼斯的比赛,这是巴西最后一场比赛。

现在,我们可以运行一个代码来逐场模拟比赛,计算分数并查看第一阶段发生的情况。

advanced_group = []
last_group = ""for k in table.keys():for t in table[k]:t[1] = 0t[2] = []for teams in matches:draw = Falseteam_1 = find_stats(teams[1])team_2 = find_stats(teams[2])features_g1 = find_features(team_1, team_2)features_g2 = find_features(team_2, team_1)probs_g1 = gb.predict_proba([features_g1])probs_g2 = gb.predict_proba([features_g2])team_1_prob_g1 = probs_g1[0][0]team_1_prob_g2 = probs_g2[0][1]team_2_prob_g1 = probs_g1[0][1]team_2_prob_g2 = probs_g2[0][0]team_1_prob = (probs_g1[0][0] + probs_g2[0][1])/2team_2_prob = (probs_g2[0][0] + probs_g1[0][1])/2if ((team_1_prob_g1 > team_2_prob_g1) & (team_2_prob_g2 > team_1_prob_g2)) | ((team_1_prob_g1 < team_2_prob_g1) & (team_2_prob_g2 < team_1_prob_g2)):draw=Truefor i in table[teams[0]]:if i[0] == teams[1] or i[0] == teams[2]:i[1] += 1elif team_1_prob > team_2_prob:winner = teams[1]winner_proba = team_1_probfor i in table[teams[0]]:if i[0] == teams[1]:i[1] += 3elif team_2_prob > team_1_prob:  winner = teams[2]winner_proba = team_2_probfor i in table[teams[0]]:if i[0] == teams[2]:i[1] += 3for i in table[teams[0]]: #adding criterio de desempate (probs por jogo)if i[0] == teams[1]:i[2].append(team_1_prob)if i[0] == teams[2]:i[2].append(team_2_prob)if last_group != teams[0]:if last_group != "":print("\n")print("Group %s advanced: "%(last_group))for i in table[last_group]: #adding crieterio de desempatei[2] = np.mean(i[2])final_points = table[last_group]final_table = sorted(final_points, key=itemgetter(1, 2), reverse = True)advanced_group.append([final_table[0][0], final_table[1][0]])for i in final_table:print("%s -------- %d"%(i[0], i[1]))print("\n")print("-"*10+" Starting Analysis for Group %s "%(teams[0])+"-"*10)if draw == False:print("Group %s - %s vs. %s: Winner %s with %.2f probability"%(teams[0], teams[1], teams[2], winner, winner_proba))else:print("Group %s - %s vs. %s: Draw"%(teams[0], teams[1], teams[2]))last_group =  teams[0]print("\n")
print("Group %s advanced: "%(last_group))for i in table[last_group]: #adding crieterio de desempatei[2] = np.mean(i[2])final_points = table[last_group]
final_table = sorted(final_points, key=itemgetter(1, 2), reverse = True)
advanced_group.append([final_table[0][0], final_table[1][0]])
for i in final_table:print("%s -------- %d"%(i[0], i[1]))

结果是:

---------- Starting Analysis for Group A ----------
Group A - Qatar vs. Ecuador: Winner Ecuador with 0.62 probability
Group A - Senegal vs. Netherlands: Winner Netherlands with 0.62 probability
Group A - Qatar vs. Senegal: Winner Senegal with 0.60 probability
Group A - Netherlands vs. Ecuador: Winner Netherlands with 0.73 probability
Group A - Ecuador vs. Senegal: Draw
Group A - Netherlands vs. Qatar: Winner Netherlands with 0.78 probabilityGroup A advanced: 
Netherlands -------- 9
Senegal -------- 4
Ecuador -------- 4
Qatar -------- 0---------- Starting Analysis for Group B ----------
Group B - England vs. Iran: Winner England with 0.62 probability
Group B - United States vs. Wales: Draw
Group B - Wales vs. Iran: Draw
Group B - England vs. United States: Winner England with 0.61 probability
Group B - Wales vs. England: Winner England with 0.64 probability
Group B - Iran vs. United States: Winner United States with 0.58 probabilityGroup B advanced: 
England -------- 9
United States -------- 4
Wales -------- 2
Iran -------- 1---------- Starting Analysis for Group C ----------
Group C - Argentina vs. Saudi Arabia: Winner Argentina with 0.79 probability
Group C - Mexico vs. Poland: Draw
Group C - Poland vs. Saudi Arabia: Winner Poland with 0.70 probability
Group C - Argentina vs. Mexico: Winner Argentina with 0.67 probability
Group C - Poland vs. Argentina: Winner Argentina with 0.71 probability
Group C - Saudi Arabia vs. Mexico: Winner Mexico with 0.71 probabilityGroup C advanced: 
Argentina -------- 9
Poland -------- 4
Mexico -------- 4
Saudi Arabia -------- 0---------- Starting Analysis for Group D ----------
Group D - Denmark vs. Tunisia: Winner Denmark with 0.68 probability
Group D - France vs. Australia: Winner France with 0.71 probability
Group D - Tunisia vs. Australia: Draw
Group D - France vs. Denmark: Draw
Group D - Australia vs. Denmark: Winner Denmark with 0.71 probability
Group D - Tunisia vs. France: Winner France with 0.69 probabilityGroup D advanced: 
France -------- 7
Denmark -------- 7
Tunisia -------- 1
Australia -------- 1---------- Starting Analysis for Group E ----------
Group E - Germany vs. Japan: Winner Germany with 0.62 probability
Group E - Spain vs. Costa Rica: Winner Spain with 0.76 probability
Group E - Japan vs. Costa Rica: Winner Japan with 0.63 probability
Group E - Spain vs. Germany: Draw
Group E - Japan vs. Spain: Winner Spain with 0.67 probability
Group E - Costa Rica vs. Germany: Winner Germany with 0.65 probabilityGroup E advanced: 
Spain -------- 7
Germany -------- 7
Japan -------- 3
Costa Rica -------- 0---------- Starting Analysis for Group F ----------
Group F - Morocco vs. Croatia: Winner Croatia with 0.58 probability
Group F - Belgium vs. Canada: Winner Belgium with 0.75 probability
Group F - Belgium vs. Morocco: Winner Belgium with 0.67 probability
Group F - Croatia vs. Canada: Winner Croatia with 0.64 probability
Group F - Croatia vs. Belgium: Winner Belgium with 0.64 probability
Group F - Canada vs. Morocco: DrawGroup F advanced: 
Belgium -------- 9
Croatia -------- 6
Morocco -------- 1
Canada -------- 1---------- Starting Analysis for Group G ----------
Group G - Switzerland vs. Cameroon: Winner Switzerland with 0.69 probability
Group G - Brazil vs. Serbia: Winner Brazil with 0.72 probability
Group G - Cameroon vs. Serbia: Winner Serbia with 0.66 probability
Group G - Brazil vs. Switzerland: Draw
Group G - Serbia vs. Switzerland: Winner Switzerland with 0.57 probability
Group G - Cameroon vs. Brazil: Winner Brazil with 0.81 probabilityGroup G advanced: 
Brazil -------- 7
Switzerland -------- 7
Serbia -------- 3
Cameroon -------- 0---------- Starting Analysis for Group H ----------
Group H - Uruguay vs. South Korea: Winner Uruguay with 0.62 probability
Group H - Portugal vs. Ghana: Winner Portugal with 0.81 probability
Group H - South Korea vs. Ghana: Winner South Korea with 0.76 probability
Group H - Portugal vs. Uruguay: Winner Portugal with 0.60 probability
Group H - Ghana vs. Uruguay: Winner Uruguay with 0.77 probability
Group H - South Korea vs. Portugal: Winner Portugal with 0.67 probabilityGroup H advanced: 
Portugal -------- 9
Uruguay -------- 6
South Korea -------- 3
Ghana -------- 0

看到一些结果很有趣,比如巴西和瑞士以及丹麦和法国之间的平局。总的来说,夺冠热门在小组赛阶段就过关了。

在季后赛中,思路是一样的:

advanced = advanced_groupplayoffs = {"Round of 16": [], "Quarter-Final": [], "Semi-Final": [], "Final": []}for p in playoffs.keys():playoffs[p] = []actual_round = ""
next_rounds = []for p in playoffs.keys():if p == "Round of 16":control = []for a in range(0, len(advanced*2), 1):if a < len(advanced):if a % 2 == 0:control.append((advanced*2)[a][0])else:control.append((advanced*2)[a][1])else:if a % 2 == 0:control.append((advanced*2)[a][1])else:control.append((advanced*2)[a][0])playoffs[p] = [[control[c], control[c+1]] for c in range(0, len(control)-1, 1) if c%2 == 0]for i in range(0, len(playoffs[p]), 1):game = playoffs[p][i]home = game[0]away = game[1]team_1 = find_stats(home)team_2 = find_stats(away)features_g1 = find_features(team_1, team_2)features_g2 = find_features(team_2, team_1)probs_g1 = gb.predict_proba([features_g1])probs_g2 = gb.predict_proba([features_g2])team_1_prob = (probs_g1[0][0] + probs_g2[0][1])/2team_2_prob = (probs_g2[0][0] + probs_g1[0][1])/2if actual_round != p:print("-"*10)print("Starting simulation of %s"%(p))print("-"*10)print("\n")if team_1_prob < team_2_prob:print("%s vs. %s: %s advances with prob %.2f"%(home, away, away, team_2_prob))next_rounds.append(away)else:print("%s vs. %s: %s advances with prob %.2f"%(home, away, home, team_1_prob))next_rounds.append(home)game.append([team_1_prob, team_2_prob])playoffs[p][i] = gameactual_round = pelse:playoffs[p] = [[next_rounds[c], next_rounds[c+1]] for c in range(0, len(next_rounds)-1, 1) if c%2 == 0]next_rounds = []for i in range(0, len(playoffs[p])):game = playoffs[p][i]home = game[0]away = game[1]team_1 = find_stats(home)team_2 = find_stats(away)features_g1 = find_features(team_1, team_2)features_g2 = find_features(team_2, team_1)probs_g1 = gb.predict_proba([features_g1])probs_g2 = gb.predict_proba([features_g2])team_1_prob = (probs_g1[0][0] + probs_g2[0][1])/2team_2_prob = (probs_g2[0][0] + probs_g1[0][1])/2if actual_round != p:print("-"*10)print("Starting simulation of %s"%(p))print("-"*10)print("\n")if team_1_prob < team_2_prob:print("%s vs. %s: %s advances with prob %.2f"%(home, away, away, team_2_prob))next_rounds.append(away)else:print("%s vs. %s: %s advances with prob %.2f"%(home, away, home, team_1_prob))next_rounds.append(home)game.append([team_1_prob, team_2_prob])playoffs[p][i] = gameactual_round = p

为了在此处查看结果,除了文本输出之外,我决定像在这个 Kaggle 笔记本中那样用季后赛图片绘制图表。这是查看这些问题结果的一种非常有趣的方式。

----------
Starting simulation of Round of 16
----------Netherlands vs. United States: Netherlands advances with prob 0.54
Argentina vs. Denmark: Argentina advances with prob 0.59
Spain vs. Croatia: Spain advances with prob 0.61
Brazil vs. Uruguay: Brazil advances with prob 0.64
Senegal vs. England: England advances with prob 0.64
Poland vs. France: France advances with prob 0.67
Germany vs. Belgium: Belgium advances with prob 0.53
Switzerland vs. Portugal: Portugal advances with prob 0.57
----------
Starting simulation of Quarter-Final
----------Netherlands vs. Argentina: Netherlands advances with prob 0.51
Spain vs. Brazil: Brazil advances with prob 0.54
England vs. France: England advances with prob 0.51
Belgium vs. Portugal: Portugal advances with prob 0.52
----------
Starting simulation of Semi-Final
----------Netherlands vs. Brazil: Brazil advances with prob 0.55
England vs. Portugal: England advances with prob 0.51
----------
Starting simulation of Final
----------Brazil vs. England: Brazil advances with prob 0.56

模拟世界杯!我的模型预测巴西队获胜,决赛中对阵英格兰队的概率为 56%!我认为最大的冷门是比利时击败德国和英格兰进入决赛,在四分之一决赛中淘汰法国。看到一些概率非常小的比赛很有趣,比如荷兰对阿根廷。从四分之一决赛到决赛,没有一支球队晋级的概率超过60%,这说明晋级季后赛的球队大多水平相近。

季后赛图片

结论

这个项目的想法是用我喜欢的东西,足球来练习我在机器学习方面的知识。我觉得模拟世界杯很有意思,因为是时下的热门话题,吸引了所有喜欢这项运动的人的目光。我相信目标达到了,因为所有特征的构建和数据分析给我带来了搜索和接触许多新技术的机会。

关于结果,我非常希望模型能够正确预测冠军!

如果您想查看详细代码,可以查看附录中作者的GitHub和Kaggle。

附录:

  1. GridSearchCV:https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html

  2. read_html https://pandas.pydata.org/docs/reference/api/pandas.read_html.html

  3. Wikipedia: https://en.wikipedia.org/wiki/2022_FIFA_World_Cup#Teams

  4. Kaggle notebook https://www.kaggle.com/code/agostontorok/soccer-world-cup-2018-winner

  5. GitHub https://github.com/sslp23/world_cup_sim

  6. Kaggle https://www.kaggle.com/code/sslp23/predicting-fifa-2022-world-cup-with-ml

推荐书单

《PyTorch深度学习简明实战 》

本书针对深度学习及开源框架——PyTorch,采用简明的语言进行知识的讲解,注重实战。全书分为4篇,共19章。深度学习基础篇(第1章~第6章)包括PyTorch简介与安装、机器学习基础与线性回归、张量与数据类型、分类问题与多层感知器、多层感知器模型与模型训练、梯度下降法、反向传播算法与内置优化器。计算机视觉篇(第7章~第14章)包括计算机视觉与卷积神经网络、卷积入门实例、图像读取与模型保存、多分类问题与卷积模型的优化、迁移学习与数据增强、经典网络模型与特征提取、图像定位基础、图像语义分割。自然语言处理和序列篇(第15章~第17章)包括文本分类与词嵌入、循环神经网络与一维卷积神经网络、序列预测实例。生成对抗网络和目标检测篇(第18章~第19章)包括生成对抗网络、目标检测。

本书适合人工智能行业的软件工程师、对人工智能感兴趣的学生学习,同时也可作为深度学习的培训教程。

作者简介:

日月光华:网易云课堂资深讲师,经验丰富的数据科学家和深度学习算法工程师。擅长使用Python编程,编写爬虫并利用Python进行数据分析和可视化。对机器学习和深度学习有深入理解,熟悉常见的深度学习框架( PyTorch、TensorFlow)和模型,有丰富的深度学习、数据分析和爬虫等开发经验,著有畅销书《Python网络爬虫实例教程(视频讲解版)》。

购买链接(新书限时5.5折):https://item.jd.com/13528847.html

精彩回顾

《Pandas1.x实例精解》新书抢先看!

【第1篇】利用Pandas操作DataFrame的列与行

【第2篇】Pandas如何对DataFrame排序和统计

【第3篇】Pandas如何使用DataFrame方法链

【第4篇】Pandas如何比较缺失值以及转置方向?

【第5篇】DataFrame如何玩转多样性数据

【第6篇】如何进行探索性数据分析?

【第7篇】使用Pandas处理分类数据

【第8篇】使用Pandas处理连续数据

【第9篇】使用Pandas比较连续值和连续列

【第10篇】如何比较分类值以及使用Pandas分析库

微信搜索关注《Python学研大本营》

访问【IT今日热榜】,发现每日技术热点


本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场,不承担相关法律责任。如若转载,请注明出处。 如若内容造成侵权/违法违规/事实不符,请点击【内容举报】进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部