京公网安备 11010802034615号
经营许可证编号:京B2-20210330
【数据看球】2018 年世界杯夺冠预测,CDA带你用机器学习来分析
随着2018年FIFA世界杯开赛在即,世界各地的球迷都渴望知道:谁将夺取梦寐以求的冠军奖杯?
如果你不仅是一名资深球迷,而且还是技术宅,那么你还可以利用机器学习和人工智能这两个利器。下面让我们一起预测哪个国家会赢得本次世界杯。
足球比赛涉及到很多因素,因此许多因素无法在机器学习模型中进行探讨。这只是我作为技术宅,从数据角度的尝试。
目标
1. 目标是使用机器学习预测谁将赢得2018年世界杯。
2. 预测世界杯中每场比赛的结果。
3. 对下场比赛进行模拟预测,比如四分之一决赛,半决赛和决赛。
这些目标体现了现实世界中的机器学习预测问题,当中涉及的机器学习任务包括:数据整合,特征建模和结果预测。
数据
我使用了Kaggle的两个数据集,包括自1930年起所有参赛队在国际比赛中的结果。
Kaggle数据集链接:
(https://www.kaggle.com/martj42/international-football-results-from-1872-to-2017/data)
局限性:
由于国际足联排名创建于90年代,因此缺乏大部分数据集。在此我们按照历史比赛记录分析。
环境和工具:
jupyter notebook,numpy,pandas,seaborn,matplotlib和scikit-learn。
我们首先要对两个数据集进行探索性分析,通过特征工程选择最相关的特征进行预测。之后进行数据处理,选择机器学习模型,最后将其部署到数据集上。
开始
首先,导入必要的库并将数据集加载到数据框。
导入库
加载数据集
通过调用两个数据集world_cup.head()和results.head(),确保数据集加载到数据框中,如下所示:
探索性分析:
对两个数据集进行分析后,所得数据集包含过去比赛的数据。新产生的数据集对分析和预测之后的比赛很有用。
在数据科学项目中,确定哪些特征与机器学习模型相关是最耗时的部分。
现在,让我们在结果数据集中添加净胜球数和结果列。
查看新的结果数据框。
然后我们将使用数据的子集。其中包括只有尼日利亚参加的比赛。这将有助于我们了解某支球队的特色,并拓展运用到其他参赛球队。
第一届世界杯于1930年举办。创建年份列,选择1930年以后的所有比赛。
现在可以将这些年尼日利亚的比赛结果进行可视化。
每个世界杯参赛球队的获胜率是很有用的指标,我们可以用它来预测每场比赛的结果。其中比赛场地并不重要。
参赛球队
对所有参赛球队创建数据框。
然后进一步过滤数据框,只显示从1930年起到今年世界杯的球队,减少重复的球队。
创建年份列,并删除1930年之前的比赛,以及不影响比赛结果的列,例如日期、主队进球数、客队进球数、锦标赛、城市、国家、净胜球数和比赛年份。
修改“Y”(预测标签)以简化模型处理。
如果主队获胜,获胜队(winner_team)列将显示“2”,如果是平局则显示“1”,如果客队获胜则显示“0”。
通过设置虚拟变量,将主队(home_team)和客队(away _team)从分类变量转换为连续输入。
使用 pandas,get_dummies()函数。从而用one-hot(数字“1”和“0”)代替分类列,确保加载到Scikit-learn模式。
然后,我们将X和Y集分开,并将数据的70%用于训练,30%用于测试。
我们将使用逻辑回归。通过逻辑函数估计概率,我可以测量分类因变量和一个或多个自变量之间的关系。
换句话说,逻辑回归通过影响结果的数据点(统计数据)对结果进行预测(赢或输)。
在实际运用中,每次对一场比赛输入算法,同时提供上述“数据集”和比赛的实际结果。然后,模型将学习输入数据将如何对比赛结果产生积极或消极影响。
让我们看到最终数据框:
看起来很棒。现在加入算法:
我们的模型在训练集上的准确率为57%,测试集的准确率为55%。这并不理想,但让我们继续。
现在我们将创建数据框部署模型。
首先,我们将加载截至到2018年4月的国际足联排名数据集和小组赛阶段的数据集。
国际足联排名:
(https://us.soccerway.com/teams/rankings/fifa/?ICID=TN_03_05_01)
小组赛阶段数据:
(https://fixturedownload.com/results/fifa-world-cup-2018)
国际足联排名较高的球队将被视为“受欢迎”球队。由于世界杯中不分“主队”或“客队”球队,他们都将归属到“home_teams”列。然后,根据每个团队的排名将球队添加到新的预测数据集中。下一步将创建虚拟变量并部署机器学习模型。
预测比赛
你肯定在想什么时候才能到预测部分。前面代码和解释占据了太多的篇幅,现在我们开始预测。
将模型部署到数据集
首先将模型部署到小组赛。
下面是小组赛的结果。
该模型预测了三场平局,并预测西班牙有很高的胜率。我用这个网站预测了小组赛。
(https://ultra.zone/2018-FIFA-World-Cup-Group-Stage)
16强
以下是对16强的预测。
四分之一决赛
四分之一决赛的情况为:
葡萄牙vs法国,巴西vs英格兰,西班牙vs阿根廷,德国vs比利时。
预测结果:
半决赛
葡萄牙vs巴西;德国vs阿根廷
预测结果:
决赛
巴西vs德国
预测结果:巴西获胜。
根据模型预测,巴西很可能赢得本次世界杯。
结语
研究和改进空间:
1.数据集。为了改进数据集,你可以使用国际足联数据来评估球队中每个球员的水平。
2.混淆矩阵能够用于分析模型分析错误的情况。
3.我们可以整合更多模型,从而提高预测准确率。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
一、销售行业为什么离不开大数据分析 销售行业的本质是"把合适的产品,在合适的时间,卖给合适的人,并持续复购"。传统销售靠经 ...
2026-11-16一、什么是频数分布 拿到一批连续数据(员工年龄、商品价格、考试分数、订单金额),最想先看的往往不是平均值,而是数据集中在 ...
2026-11-16教育部办公厅关于成立全国数据职业教育教学指导委员会(2026—2030年)的通知 教职成厅函〔2026〕25号 各省、自治区、直辖市教 ...
2026-11-16CDA数据分析师 出品 作者:李诗怡 基础与单表查询 四大类语言 · 数据库基础 · DQL 单表查询 ” 一、SQL 四大类语言与数据 ...
2026-11-13核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-13核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-13一、问题从哪来 财务分析里算增长率,常规公式所有人都会写: 增长率本年数上年数上年数 这个公式在"上年为正"时完全成立。但一 ...
2026-11-12一、什么是加权聚类 普通聚类默认"每个样本、每个指标都同等重要":距离公式里每个样本权重都是 1,每个指标在距离计算里占比相 ...
2026-11-12“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2026-11-12一、需求从哪来 做 Excel 报表时,"从一个透视表取数据"这个需求通常有三种来源: 汇总页引用:明细透视表在另一个 sheet,汇总 ...
2026-11-11一、透视表的价值在哪 一句话概括:数据透视表把"写公式汇总"变成了"拖字段看结果"。 传统做法要写 SUMIFS、COUNTIFS,改一个维 ...
2026-11-11核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-11一、回归分析到底在解决什么问题 很多人学回归分析,是从公式开始的:最小二乘法、残差平方和、R²、t 检验。公式记住了,但一到 ...
2026-11-10一、等级聚类法是什么 等级聚类法(Hierarchical Clustering),中文也叫系统聚类法、层次聚类法,是聚类分析里最经典的一类方法 ...
2026-11-10考试范围 PART 1 大数据基础理论 占比(8% ) a. 大数据分析基础(1%) b. Python 基础(5%) c. Linux & Ubuntu 操作系统基 ...
2026-11-10一、业务背景 在后台列表、管理系统、报表页面的分页需求里,前端通常需要两份数据:当前页的分页记录、符合筛选条件的数据总条 ...
2026-11-09一、需求看起来简单,实际坑不少 "把文本里所有中括号 [] 中间的内容提取出来"——这是文本清洗里最常见的需求之一。日志里的 [I ...
2026-11-09大数据分析师证书考什么 考试范围 PART 1 大数据基础理论 占比(8% ) a. 大数据分析基础(1%) b. Python 基础(5%) c. Li ...
2026-11-09CDA数据分析师 出品 作者:李诗怡 一、数据处理概述 定义: 在正式开展数据分析之前,对原始采集的数据进行整理、修正、加工和精 ...
2026-11-06一、为什么数据要先标准化 拿到一份数据,各列的量纲往往完全不同:年龄单位是"岁"(约 20~60),收入单位是"元"(几千到几万) ...
2026-11-06