NTNU Computer Programming and Data Analysis in Sports (Fall 2023)

期末專題

專題主旨

運用近 10 年（2013~2022）內 MLB 各隊例行賽出賽球員數據，預測 2023 各隊奪冠機率。

Note

HackMD 說明文件

檔案說明

• MLB stats 爬蟲
  • mlb_stats_auto_crawler.ipynb：自動爬取指定年分間的 MLB 所有隊伍例行賽出賽球員數據
  • mlb_stats_signal_crawler.ipynb：單一球隊球員數據爬取
  • mlb_stats_signal_crawler.py：單一球隊球員數據爬取
  • mlb_stats_urls folder：用於儲存各球隊數據網址，以便前述檔案運行
• 資料處理
  • data_processing.py：用於清理爬取後的資料、加上標籤，讓資料可以餵給模型訓練
• 資料集
  • mlb_stats 資料夾
    • 進十年各隊伍所有出賽球員數據集，共 13228 筆資料，整理後按年份資料夾、球隊名稱命名為 csv 檔案格式存放
    • data_filter.csv：將對於球隊影響力低的球員刪除後清理的資料，用於模型訓練
    • data_origin.csv：將所有資料直接清理，用於模型訓練
    • MLB_rank.csv：近十年各隊伍的成績排名數據
• 模型與結果
  • model 資料夾
    • result 中按照模型名稱儲存，分為原始資料訓練結果與篩選資料訓練結果
      • txt 檔案中紀錄模型評估數據
      • 圖表呈現模型效能：Q-Q Plot of Residuals、Residual Plot、Scatter Plot of True vs Predicted Values
    • Regression 模型
      • Gradient Boosting Regressor
      • Linear Regression
      • Random Forest Regressor
      • SGD Regressor
      • SVR