科比·布莱恩特投篮概率

根据科比过往投篮纪录，预测他的下一次投篮是否得分

Link: https://www.kaggle.com/c/kobe-bryant-shot-selection

题目描述

科比·布莱恩特于2016年4月12日在洛杉矶狂砍60分，这意味着他的NBA生涯完美地落下了帷幕。自17岁进入NBA，他的表现赢得了职业生涯的最高赞誉。

通过科比过去20年来投篮是否命中的数据，你能够预测他的每一次投篮结果吗？

数据集包含了过去二十年科比在球赛中投篮的情况，你的目标是预测此次科比的投篮是否能进。

小提示

首先对数据进行一些可视化研究，分析出一些科比投篮的特征，比如投篮坐标，投篮距离及投篮区域等，将原始数据有效地结合起来
选择特征，用一些较强的分类器（如random forest或svm等）进行训练，结合Kfold交叉验证，不断尝试特征组合。

先修技能

整合、归类和预处理训练集
会使用Random Forest
了解Logarithmic Loss的使用场景
了解Kfold的使用方法

术语解释

Random Forest(随机森林)：指的是利用多棵树对样本进行训练并预测的一种分类器。在机器学习领域，随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定
KFold(K折交叉验证)：在机器学习中，将数据集A分为训练集（training set）B和测试集（test set）C，在样本量不充足的情况下，为了充分利用数据集对算法效果进行测试，将数据集A随机分为k个包，每次将其中一个包作为测试集，剩下k-1个包作为训练集进行训练。

输入格式

数据分为训练数据和测试数据，分别保存在train.csv和test.csv两个文件中。

其中训练数据主要包括20557条纪录，其中投篮成功与否(shot_made_flag)是需要预测的信息，分别对应下列信息：

投篮动作(action_type)
结合投篮类型(combined_shot_type)
比赛事件id(game_event_id)
比赛场次id(game_id)
投篮经度(lat)
投篮位置x坐标(loc_x)
投篮位置y坐标(loc_y)
投篮纬度(lon)
分钟倒计时(minutes_remaining)
比赛小节(period)
是否是季后赛(playoffs)
赛季(season)
秒钟倒计时(seconds_remaining)
投篮距离(shot_distance)
投篮成功与否(shot_made_flag): 这就是需要预测的Label
投篮区类型(shot_type)
投篮区域(shot_zone_area)
基本投篮区(shot_zone_basic)
投篮区距离(shot_zone_range)
队伍id(team_id)
队伍名(team_name)
比赛日期(game_date)
比赛配对(matchup)
对手(opponent）
投篮事件id(shot_id)

测试数据主要包括5140条数据，其中不包含投篮成功与否(shot_made_flag)。

输出格式

shot_id,shot_made_flag
3,0.5
4,0.5
5,0.5
etc.

评价

对于提交的文件submission.csv，我们将使用Logarithmic Loss作为作为评价指标，公式如下：

$$ logloss = -\frac{1}{N}\sum{i=1}^{N}\sum{j=1}^{M}y{ij}logp{ij}

其中N代表测试数据集中的纪录数量， $$y{ij}$$代表是否正确分类，$$logp{ij}$$代表预测出来的概率

数据

完整代码

测评配置环境

python

pip install numpy
pip install pandas
pip install scikit-learn

测评代码

import pandas as pd
from sklearn.metrics import log_loss

test = pd.read_csv("./correct_submission.csv").sort_values('shot_id')
pred = pd.read_csv("./predict_submission.csv").sort_values('shot_id')

loss = log_loss(test['shot_made_flag'], pred['shot_made_flag'])
# loss越小越好，最小为0

12.Kobe Bryant Shot Selection