Python 根据过去事件的统计数据预测事件的结果
我试图用人工神经网络来预测事件的结果。我有数千个以前的事件的统计数据和基于这些统计数据的事件结果 i、 e 上面我有4支球队在互相比赛。在历史比赛中,除了记录最终得分外,还记录统计数据 是否有可能在“历史”栏中对统计数据和主客场球队进行机器学习算法训练,以预测“未来”栏的结果 最初,我希望将除“目标”列之外的所有列都视为X_列,将“目标”列视为y_列。然而,如果我把统计数据放在X_序列中,当我输入X_测试的未来数据帧时,它将没有值来进行预测。因此,它不会做出很好的预测?我想知道这是否意味着将统计数据和分数放在y_序列中,然而,我已经读到y_序列中的变量比X_序列中的变量更多,这不利于一个好的模型 是否有可能将统计数据附加到一支球队,当它看到“a队”时,它会查看a队在主场和客场对不同球队的所有统计数据,并根据a队背后的统计数据而不是“a队”本身进行预测 任何帮助都将不胜感激Python 根据过去事件的统计数据预测事件的结果,python,tensorflow,machine-learning,keras,neural-network,Python,Tensorflow,Machine Learning,Keras,Neural Network,我试图用人工神经网络来预测事件的结果。我有数千个以前的事件的统计数据和基于这些统计数据的事件结果 i、 e 上面我有4支球队在互相比赛。在历史比赛中,除了记录最终得分外,还记录统计数据 是否有可能在“历史”栏中对统计数据和主客场球队进行机器学习算法训练,以预测“未来”栏的结果 最初,我希望将除“目标”列之外的所有列都视为X_列,将“目标”列视为y_列。然而,如果我把统计数据放在X_序列中,当我输入X_测试的未来数据帧时,它将没有值来进行预测。因此,它不会做出很好的预测?我想知道这是否意味着将统计
[IN]
import pandas as pd
historical = {'Home' : ['Team A', 'Team C', 'Team A', 'Team D'],
'Away' : ['Team B', 'Team D', 'Team C', 'Team B'],
'Home Shot Accuracy' : [0.34, 0.67, 0.23, 0.10],
'Away Shot Accuracy' : [0.2, 0.4, 0.7, 0.31],
'Home Pass Accuracy' : [0.8, 0.95, 0.7, 0.86],
'Away Pass Accuracy' : [0.76, 0.92, 0.87, 0.69],
'Home Goals' : [1, 4, 2, 0],
'Away Goals' : [2, 2, 3, 0]
}
future = {'Home' : ['Team B', 'Team D'],
'Away' : ['Team C', 'Team A'],
'Home Shot Accuracy' : [None, None],
'Away Shot Accuracy' : [None, None],
'Home Pass Accuracy' : [None, None],
'Away Pass Accuracy' : [None, None],
'Home Goals' : [None, None],
'Away Goals' : [None, None],
}
historical = pd.DataFrame.from_dict(historical)
print(historical)
future = pd.DataFrame.from_dict(future)
print(future)
[OUT]
Home Away ... Home Goals Away Goals
0 Team A Team B ... 1 2
1 Team C Team D ... 4 2
2 Team A Team C ... 2 3
3 Team D Team B ... 0 0
[4 rows x 8 columns]
Home Away Home Shot Accuracy ... Away Pass Accuracy Home Goals Away Goals
0 Team B Team C None ... None None None
1 Team D Team A None ... None None None
[2 rows x 8 columns]