华为AI Gallery社区《基于机器学习的欧洲杯赛事预测》技术分析系列——（完）预测

他山之石可以攻玉。

华为AI Gallery社区的技术贴。

传送门：

系列（一）讲述华为AI Gallery作者通过比赛基本信息为特征构建的模型框架，分析了这种框架构建的优缺点；

系列（二）中讲述了足球预测结果二分类问题的处理以及需要掌握的知识，即所需技能Notebook+Python+Pandas。

系列（三）中讲述了建模过程分为： 1.读取数据 2.数据处理 3.数据分割 4.训练模型 5.模型评估

免费数据源1

如果您是单纯的进行数据分析，利用赔率亚盘凯利必发等找出与赛果的关系，那么可以通过免费获得即可，不要先消耗大量的时间和精力去做爬虫，等到数据齐全再去数据分析，因为数据分析也不一定会给你带来任何启示。

这期介绍赛事进行赛果预测。

3 赛果预测

本小节根据第2节对本届欧洲杯赛事进行赛果预测。

将第1节2015-01-01至2021-05-31的所有数据作为训练集，训练模型。

处理数据，将需要预测的数据按照第一节的数据处理步骤得到预测集。

得到预测结果。

#3.1 将2015-01-01至2021-05-31的所有数据作为训练集，训练模型 
inputs = {
    "dataframe":missing_value_impute.get_outputs()['output_port_1']   #@input {"label":"dataframe","type":"DataFrame"}
}
params = {
    "inputs": inputs,
    "column_name": "date",  #@param {"label":"column_name","type":"string","required":"true","helpTip":""}
    "condition_map_str": "BETWEEN:2015-01-01,2021-05-31"  #@param {"label":"condition_map_str","type":"string","required":"true","helpTip":""}
}
dataset_filter_all_data = MLSDatasetFilter(**params)
dataset_filter_all_data.run()
#@output {"label":"dataframe","name":"dataset_filter_all_data.get_outputs()['output_port_1']","type":"DataFrame"}


inputs = {
    "dataframe": dataset_filter_all_data.get_outputs()['output_port_1']  #@input {"label":"dataframe","type":"DataFrame"}
}
params = {
    "inputs": inputs,
    "selected_cols_str": "month,  season,  home_team,  away_team,  tournament, neutral,  win_result,num_5,diff_num_5,win_num_5,lose_num_5,num_3,diff_num_3,win_num_3,lose_num_3,num_1,diff_num_1,win_num_1,lose_num_1,\
    num_team_5,diff_num_team_5,win_num_team_5,lose_num_team_5,num_team_3,diff_num_team_3,win_num_team_3,lose_num_team_3,num_team_1,diff_num_team_1,win_num_team_1,lose_num_team_1,\
    num_year_15,diff_num_y