- Elo Score 等级分制度
- 模型训练和预测方法
- Logistic Distribution 介绍
- scikit-learn 使用方法
Python 预测 NBA 比赛结果
会员22056 人学过 225 次评价 作者: zyj061 难度: 初级
综合评分:
9.5
本课程将利用 NBA 在 2015~2016 年的比赛统计数据进行回归模型建立，预测 2016~2017 常规赛中每场比赛的输赢情况。
你将学到的
课程内容
共1个章节
实验 1
Python 预测 NBA 比赛结果
知识点: 1.NBA球队的Eloscore计算 2.特征向量 3.逻辑回归
课程介绍
先学知识
- 最好是先了解基础的 Python 语法，推荐学习 Python3 简明教程，同时如果能懂一些机器学习相关的知识会更好，推荐学习 机器学习开放基础课程。
课程难度
- 本课程难度为困难，难点在于需要对机器学习有一定的了解。
面向用户
- 本课程面向已经了解 Python 相关的基础知识，并且知道一些机器学习相关理论的同学作为练手项目。
课程教师
zyj061 共发布过 9 门课程
查看老师的所有课程 >学过本课的同学也学过...
开通会员，即刻开始学习
加入社群
加入编程交流社群
基于毕达哥拉斯理论计算的赢的概率是什么意思，没懂，求大神讲解
源码在哪里下载
感觉不是特别理解，应该把每个有必要的代码以及整体思路简单写一下
有收获
文章写的很好，课后还有解答，学会一种新的处理数据的想法。
很好 我应更加稳固基础 在进行难度学习 会复学
1
不错
收获很大
挺有趣的，但是理解起来有点困难。
333
不懂规则 看不懂
123
6
6