deepshot

“

一个机器学习模型，旨在通过高级球队统计数据和滚动平均值来预测 NBA 比赛结果。它结合了历史表现趋势和上下文比赛数据，能够提供高度准确的胜率预测（70%）。

Github地址

https://github.com/saccofrancesco/deepshot

功能特点

• 功能：

• 数据驱动的预测：基于真实 NBA 数据（来自 Basketball Reference）进行比赛结果预测。

• 实时交互界面：通过 NiceGUI 提供简洁的 Web 前端界面，实时可视化即将到来的比赛和模型预测结果。

• 加权统计引擎：使用指数加权移动平均值（EWMA）反映球队近期表现趋势。

• 关键统计突出显示：自动显示两队之间的统计差异，帮助用户快速识别球队的优势和劣势。

• 跨平台支持：支持 Windows、macOS 和 Linux 等主流操作系统。

• 特点：

• 使用完全免费且公开的数据。

• 提供可视化的关键统计差异，帮助用户快速识别球队的优势和劣势。

• 提供实时交互的 Web 界面，用户体验良好。

• 支持本地运行，用户可以在本地环境中运行模型并进行预测。

使用方法

克隆项目：

gitclonehttps://github.com/saccofrancesco/deepshot.git
cddeepshot

安装依赖：

pip install -r requirements.txt

训练模型：

• 打开model.ipynb文件并运行单元格，生成deepshot.pkl模型文件。

启动 Web 应用：

python main.py

• 启动后，用户可以通过浏览器访问 NiceGUI Web 应用，查看 NBA 比赛预测结果。