原文链接：http://tecdat.cn/?p=5222
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”]）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 [“主队获胜”] = df [“访客积分”] < df [“主队积分”]
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：
• min_samples_split: can create arbitrary small leaves in order to create a new node in the decision tree• min_samples_leaf: guarantees a minimum number of samples in a leaf resultingfrom a node建议使用 min_samples_split 或 min_samples_leaf 来控制叶节点处的采样数。一个非常小的数字通常意味着树将过度拟合，而大量的数据将阻止树学习数据。
决策的另一个参数是创建决策的标准。基尼的不纯和信息收益是两种流行的：
• Gini impurity: measures how often a decision node would incorrectly predict a sample's class•`Information gain: indicate how much extra information is gained by the decision node功能选择
我们通过指定我们希望使用的列并使用数据框视图的 values 参数，从数据集中提取要素以与我们的 scikit-learn 的 DecisionTreeClassifier 一起使用。我们使用 cross_val_score 函数来测试结果。
X_features_only = df [['Home Win Streak'，'Visitor Win Streak'，'Home Team Ranks Higher'，'Home Team Won Last'，'Home Last Win'，'Visitor Last Win']]。值 结果准确性：56.0%
通过选择我们制作的功能，精确度下降到 56%。是否有可能通过添加更多功能来提高准确性。
混淆矩阵显示了我们决策树的正确和不正确的分类。对角线 1,295 分别表示主队的真正负数和真正的正数。左下角的 1 表示假阴性的数量。而右上角的 195，误报的数量。我们也可以查看大约 0.602 的准确性分数，这表明决策树模型已经将 60.2%的样本正确地归类为主队获胜与否。
导入 pydotplus 图
出于探索的目的，测试较少数量的变量以便首先获得决策树输出的感觉会很有帮助。最终的树开始于 X 的分裂，我们的第一个解释变量，主队队列更高。如果主队排名较高的值小于 4.5，那么主队就会松动，因为我们的二元变量具有虚假等值亏损值和真实同赢。