第一天
獲取資料csv檔案
分析資料 預判勝利的隊伍有多大的獲勝概率
比賽情況比賽特徵+elo等級分
機器學習 判斷勝利 **
第二天:
閱讀**,記錄基本流程,理順資料1的思路
關於最好的結果:能夠更準確地驗證2023年(測試集)的,準確率》70%,能夠準確**2023年,準確率》70
問題1:同樣的資料,同樣的模型,如何適應差別很大的兩年?
maybe可以支援球員的調整(輸入球員調整,例如《詹姆斯,湖人》,對資料表進行修改),在此基礎之上**
問題2:資料組成是球隊往年資料和球員,具體如何安排特徵向量?是進行不同權重的組合,還是?
其實往年資料就是球員的整體資料,球員的新資訊應該是變動(傷病,跳槽)帶來的,應該是球員按照一定標準打分,再加入作為乙個和elo並列的向量/或者按一定的標準和elo按不同權重組合得到新的數值進行回歸。
問題3:一定要用回歸?用分類的方法可以嗎
母雞 要查一查
第三天:無進展
第四天:
自頂向下需求列舉
根據常規賽**季後賽八支球隊
資料
需要資料:
三年常規賽:勝負資料報括勝負(got),(elo需要三個表,自己,對手,綜合)(not),可驗證資料(not)
球員個人資料:各項指標
資料處理:
選擇資料的組合運用方式
建模
根據季後賽**前八排名
ai基本輸出
請問本賽季是否有球員變動(傷病/改簽)?y/n
請輸入傷病的球員數:n
請輸入傷病的球員名:xx yy
請輸入改簽的球員數:m
請輸入改簽的球員名和新籤的球隊:zz abc
收到修改資料,ai現在開始**
進入季後賽的東部前八是:
進入季後賽的西部前八是:
ai**這十六支隊伍的最後排名和可能性是:
整理自己的思路,確定影響最大的要素,列出目前所有的可能性(資料選取,模型選擇)
問題1:分類和回歸在什麼情況下使用,最大的區別是什麼?各種分類方法的適合使用在什麼環境。(建模問題)
分類解決離散問題,回歸解決連續問題。
第五天:
蒐集資料,擴充思路,找到更多的方法
開始寫最基本的程式原型,寫好之後調整,討論,修改
總結:這一周整體來說進展很慢,反思一下,應該是工作方式有問題。早上來的晚,有效時間不到三個小時,中間沒有活動和思維轉換,效率很低。下午也是如此,七個小時的時間其實非常毛,強度很小。其實這個專案,一周足矣。關鍵是如何保證效率,一直問自己做到什麼,能學到什麼,耗費時間並不能達到目的,也不能學到東西。
實訓第一周 作品(1)
類說明 完成購物功能,可以增刪改查 屬性 陣列 static string namearr new string 20 商品名稱 pricearr storearr 數量 index陣列的下標方法 增 add string name,double price,int store 輸出全部內容 顯示陣...
個人向 實訓第一周小結
頁面的設計自然是擺在最前面的,自己思考了好久才確定好了設計的風格,腦海裡就是希望能簡潔 可愛 扁平化,因為想要給人是一種比較有 活力 的 所以最後還是選了藍綠色來做主題色,展示部分靜態頁面 再來擺一下自己設計的logo 字型用的是現成的 和預設頭像,還是第一次自用ai按自己的想法畫出了正經的東西,雖...
大三上學期實訓 第一周總結
我們本週商量了一下專案需求,這個專案之前是我再做的,現在新新增了三個隊友,需要把專案在重新熟悉起來。經過本次的商量總結,我們確定了新的介面文件。我是做後台的,對前端不是很熟悉,所以之前的前端寫的很亂。很多地方寫的不優雅,所以這次的主要任務是優化前端 這部分工作由王方良和陳葦如去做,後台部分我和祖佑再...