python在Scikit-learn中用决策树和随机森林预测N
need-to-insert-img
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熊猫作为pd df = pd 。read_csv （“NBA_2017_regularGames.csv” ，parse_dates = [ “Date” ]）
need-to-insert-img
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 [ “主队积分” ]\n\n","classes":{"has":1}}" data-cke-widget-upcasted="1" data-cke-widget-keep-attr="0" data-widget="codeSnippet" style="margin-top: 0px; margin-bottom: 0px; padding: 0px; white-space: pre-wrap; word-wrap: break-word;"> df [ “主队获胜” ] = df [ “访客积分” ] < df [ “主队积分” ]
need-to-insert-img
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：
分享：
