欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

2020-12-04

程序员文章站 2022-05-20 19:34:29
...

KNN算法对足球运动员分类实战


前言

之所以弄这个是因为最近一门课《船联网与数据挖掘》要结课了,我们要写一个课程论文关于机器学习的学习报告。前面2个月像无头苍蝇一样一直在瞎看,最近deadline,就老老实实刷黑马程序员的入门视频,今天学了这个算法,就简单的运用一下。


提示:以下是本篇文章正文内容,下面案例可供参考

一、数据准备

黑马的视频是利用鸢尾花数据集做KNN分类,我看完后就在想,能不能把足球运动员进球、助攻、拦截、解围作为特征,然后把前锋、进攻型中场、防守型中场、后卫作为标签来进行一个类似于鸢尾花的数据集来做一做KNN分类呢?于是开始动手试一试。

由于自己比较笨,不会爬虫,也不会其他编程,我就到直播吧里面把西甲、英超的一些优秀球员2019-2020赛季的进球、助攻、拦截、解围数据找出来做成一个CSV文件。这个过程花了我1个半小时,真的太痛苦了,真的吃了不会编程的亏。

这个数据也就35名球员,后续我会继续添加,有需要的可以联系我。

1.1 数据导入过程种遇到的问题及解决

2020-12-04这个数据是一开始登记的,后面为了用pandas读取,一直读取不了。
2020-12-04
然后出现下面这问题
2020-12-04
这个问题我在博客找大佬们的解决方案,可是都无法解决。于是我用了最笨的方法,直接在pytharm上建立一个CSV文件,然后把数据放进去。(前锋是0,进攻型中场是1,防守型中场是2,后卫是3)
2020-12-04

二、代码实现

代码我是直接根据黑马的视频来的,然后参考了某位大佬的博客,最后实现了。

1.代码

代码如下:

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier

def knn_player():
    '''
    用KNN算法对球员位置进行分类
    :return:
    '''
    #1.获取数据
    player = pd.read_csv('TestUrls.csv')
    x = player.iloc[:, 0:4].values
    y = player.iloc[:, -1].values
    #2.划分数据集
    x_train,x_test,y_train,y_test = train_test_split(x, y, random_state=5) #random_state随机数种子
    #3.特征工程,标准化
    transfer = StandardScaler()
    x_train = transfer.fit_transform(x_train) #测试集标准化
    x_test = transfer.transform(x_test)
    #4.KNN算法预估器
    estimator = KNeighborsClassifier(n_neighbors=5) #调用KNN算法,K=3,用estimator接一下
    estimator.fit(x_train,y_train)  #用这个算法对训练集计算
    #5.模型评估
    #方法1,直接比对真实值和预测值
    y_predict = estimator.predict(x_test)
    print('y_predict:\n',y_predict)
    print('直接比对真实值和预测值:\n',y_test==y_predict)
    #方法二,计算准确率
    score = estimator.score(x_test,y_test)
    print('准确率为:\n',score)
    return None

if __name__ =='__main__':
    #用KNN算法对球员位置分类
    knn_player()

2.结果

一开始我的random_state=3,得出结果如下:
2020-12-04
然后我改为5试一下,结果全部预测正确!
2020-12-04
另外我的K值也是选的5,选3的时候预测准确度是0.8。大家可以自己去试一试。

三、总结

本次实战虽然比较低级,但是我居然成功实现了自己的想法,也是挺开心的。后续我将继续完善本数据集,另外去学习一下matplotlib,实现可视化。如果有大佬不吝赐教,那真的感激不尽!

参考文献

https://blog.csdn.net/michael_f2008/article/details/107574888?utm_medium=distribute.pc_relevant.none-task-blog-OPENSEARCH-3.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-OPENSEARCH-3.control

推荐阅读