AI 预测世界杯比赛结果，惊掉下巴

哈喽，大家好。

今天看到

Kaggle

上有一个预测世界杯比赛结果的项目，截至目前 4 场比赛预测结果全中。

今天把源码研究了一下，做了中文注释，给大家分享下。

文章目录

技术提升

本文由技术群粉丝分享，项目源码、数据、技术交流提升，均可加交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友

方式①、添加微信号：dkl88191，备注：来自CSDN +研究方向
方式②、微信搜索公众号：Python学习与数据挖掘，后台回复：加群

1. 获取数据集

数据集使用 1872-2022年国际足球比赛数据和

FIFA

1992-2022年球队排名数据。

比赛数据

排名数据

虽然有数据集很大，但作者只用了 2018-2022年的数据作为训练数据。

df =  pd.read_csv("./kaggle/input/international-football-results-from-1872-to-2017/results.csv")

df = df[(df["date"]>="2018-8-1")].reset_index(drop=True)

2. 特征工程

选取的特征要能够较好地反映预测结果，如：

• 世界杯球队的平均进球数
• 球队最近5场比赛的平均进球数
• 世界杯球队的平均犯规数
• 球队最近5场比赛的平均犯规数
• 球队在世界杯中 FIFA 平均排名
• 球队在最近5场比赛中 FIFA 平均排名
• FIFA积分
• 最近5场FIFA积分
• 比赛得分
• 最近5场比赛积分
• Mean game points by rank faced at the Cycle.
• Mean game points by rank faced at last 5 games.

通过观察这些特征的

小提琴图

，筛选对预测结果又很强区分的特征。

对于值比较小的特征，可以尝试用

箱型图

观察。

最终生成的特征为：

最终特征如下：

• rank_dif
• goals_dif
• goals_dif_l5
• goals_suf_dif
• goals_suf_dif_l5
• dif_rank_agst
• dif_rank_agst_l5
• goals_per_ranking_dif
• dif_points_rank
• dif_points_rank_l5
• is_friendly

3. 建模

作者选择了

随机森林

和

GradientBoosting

模型进行训练，并对比他们的

AUC

。

GradientBoosting

随机森林

最终选取

GradientBoosting

作为预测模型。

4. 预测

预测需要获取 2022 世界杯比赛数据。

作者通过爬取维基百科解析出比赛数据，考虑到国内很多朋友无法访问维基百科。源代码中我已经将比赛数据放在本地文件中。

kaggle地址：https://www.kaggle.com/code/sslp23/predicting-fifa-2022-world-cup-with-ml/notebook