寻找 NBA 季后赛与总冠军球队的共同特征：一种机器学习方法
机器学习
2017-04-05 v7 应用统计
摘要
在本文中，我们采用机器学习技术分析了每支球队从 1999-2000 到 2015-2016 共十七个赛季的 NBA 常规赛数据，以确定 NBA 季后赛球队之间的共同特征。每支球队由 26 个预测变量和一个二元响应变量刻画，若球队进入季后赛则响应变量取值为“TRUE”，若未进入则取值为“FALSE”。在对该问题拟合初始分类树后，对该树进行剪枝，降低了测试错误率。此外，构建了分类树的随机森林，提供了一个非常准确的模型，并从中生成变量重要性图，以确定哪些预测变量对响应变量影响最大。这项工作的结论为：刻画球队季后赛资格的最重要因素是球队的对手场均助攻数、对手场均命中两分球数以及球队场均抢断数。这似乎表明，与进攻因素相对，防守因素是 NBA 季后赛球队共有的最重要特征。随后，我们使用神经网络基于常规赛数据对总冠军球队进行分类。由此表明，球队未能赢得总冠军的最重要因素是该球队的对手场均命中三分球数。这再次暗示防守特征不仅对于确定球队季后赛资格至关重要，而且可以断定，外线防守的缺失会对球队在特定赛季的总冠军机会产生负面影响。进一步表明，命中两分球和内线防守篮板是迄今为止球队在特定赛季赢得总冠军机会的最关键因素。
引用
@article{arxiv.1604.05266,
title = {Finding Common Characteristics Among NBA Playoff and Championship Teams: A Machine Learning Approach},
author = {Ikjyot Singh Kohli},
journal= {arXiv preprint arXiv:1604.05266},
year = {2017}
}
备注
Updated contents to reflect most recent data and corrected typos