【Python数学建模】nba预测，基于退役球员数据预测现役球员入选名人堂的可能性

模型目的：

本模型将基于逻辑回归模型，对历史和现役的nba球员数据进行建模，以是否进入名人堂作为模型预测的目标值进行预测，构建评分卡。以退役的nba球员数据和作为训练集来进行模型拟合，来预测现役球员中，谁进入名人堂的可能性更高。本模型最后产出为现役球员在当前的统计数据下入选名人堂的分数。

以下为建模部分

---

一. 环境准备：

1.1 编程语言：

Python 3.7.0

1.2 主要依赖的第三方包：

pandas, toad, scorecardpy, nba_api

1.3 数据准备：

数据来源：

nba_api: nba_api is an API Client for www.nba.com. This package intends to make theAPIs ofNBA.comeasily accessible and provide extensive documentation about them.

本模型将使用python第三方包nba_api中的api数据，初始建模指标主要包含以下四个部分的数据：

1. 球员常规赛各项总数据。包含：总上场时间、总得分、总投篮次数、总投篮命中数等共计21个指标；

2. 球员季后赛各项总数据。包含：总上场时间、总得分、总投篮次数、总投篮命中数等共计21个指标；

3. 球员历史荣誉。包含：一阵次数、二阵次数、mvp次数等共计29个指标。其中，“Hall of Fame Inductee”（是否入选名人堂）为我们这次建模的y值，入选为1，不入选为0。

4. 球队历史荣誉。包含：球队总冠军，如果某一球员在某一球员夺冠赛季中有过效力，则为拥有总冠军，共计1个指标。

所有数据通过球员id进行数据关联，本模型将使用所有nba历史及现役的且在nba有过常规赛和季后赛数据的球员作为建模样本，共计2800位球员，即2800条建模数据。

其中，将退役球员作为训练集，共计2465位球员，在这2465位球员中，有123位球员已入选名人堂，占比4.9%。本模型不设测试集，将使用在训练集上拟合的模型直接对剩余的335位球员进行预测，返回评分情况。

图1 常规赛数据

图2 个人荣誉数据

图3 模型KS和AUC值

数据获取时间为2023.03.14

---

二. 数据处理与特征筛选：

主要包含以下内容：

1. 剔除缺失值高于0.9的特征（不是所有的球员都有个人荣誉信息）；

2. 剔除iv值低于0.05的特征；

3. 剔除相关性大于0.75的特征；

4. 对剩余的数据的缺失值进行缺失值填充；

5. 剔除部分远古球员缺失的特征（如周最佳次数、月最佳次数等）；

完成该部分后，模型还剩余35个特征。

---

三. 特征变换：

将上面已处理完的特征进行woe转换，将特征情况转换为woe值。本部分将使用scorecardpy的woe_bin方法进行分箱，分箱方法为卡方分箱。

此处为了使得总冠军次数等特征变得更有区分度，将对部分特征进行手动切分分箱点，提高分箱的区分性。

图4 分箱节点调整

---

四. 模型拟合：

使用逻辑回归建模，将转换后的建模数据进行模型拟合，得到拟合的模型，并对335条现役球员的数据进行预测，得出预测分。

图5 评分分箱情况

---

五. 模型评估：

本模型训练集的ks值为85，auc值为96。

图6 模型KS和AUC值

时间仓促，跑完之后一看数据感觉还行，就没有进行多余的优化了，主要还有以下几个部分可以进行优化：

1. 建模数据可以进一步完善。如引入球员场均数据、per36数据、高阶数据等；

2. 划分训练集和测试集。主要用来观察模型是否过拟合，但鉴于本模型正样本比较少，且效果还行，就没有划分测试集了。本模型可能会存在一定的过拟合。

3. 调参。模型参数调整与不同样本浓度的设定。

4. 多种模型的拟合预测和对比。本模型直接选用了逻辑回归模型，但亦可以选用xgb、决策树等算法进行多模型之间的比较。

5. 建模步骤并未完整。woe转换后应再进行一次变量相关性处理。

6. Y值的滞后性。由于球员退役后需要一定的时间才能进入到名人堂，故近期退役的球员可能够得上名人堂的入选，但由于时间还没够，暂没有入选（如文斯卡特），该部分少量数据亦会影响模型本身的效果。

图7 模型所预测的现役入选名人堂前三十球员

写在后面：

本文是一个技术帖，不希望各球星粉丝进行battle，有什么意见和想法的可以在下面进行讨论。