2018年风靡全球的世界杯即将拉开序幕，全世界球迷都想知道谁将问鼎冠军。

如果你不仅是个球迷，还是个技术宅，我打赌你一定听说过机器学习和AI这些时髦词汇，让我们把足球和它们融合，来大胆预测谁是本届世界杯的夺冠热门球队并问鼎世界杯。

免责声明：该预测不可用于任何赌博投机，如果你仍然要做，我不拦着你。（赢了别忘了告诉我^_^)

数据

我们使用从kaggle上获取的数据，包含了1930年以来的历史比赛记录。

使用环境和工具：jupyter notebook，numpy，pandas，seaborn，matplotlib，scikit-learn

让我们开始吧！

首先，引入必要的python库，并且把数据读入数据结构。

引入库

读入数据

数据看起来是这个样子的

试探性分析

尝试发现数据中的那些数值段在机器学习的建模中，会对结果产生影响。

现在给数据添加输赢和比分差

看看操作结果

然后我们做一个数据子集，仅包含尼日利亚的比赛，先注目在一个球队上发现特征，然后推广到所有参赛球队。

第一次世界杯举办于1930年，所以提取1930年以后的比赛数据。

现在我们可以从视觉上观察尼日利亚这些年的比赛形势

获取每个国家队的胜率形成一个尺度，可以最终进行我们的预测。

当然，比赛发生在哪个场馆，并没有对结构有重大影响。

缩小数据集，仅保留参赛队

然后过滤结果数据集，只保留1930年以后世界杯参赛队伍，去重。

建一个year的list，保存1930年以后的比赛数据：比分、城市、国家、分差、时间

改变“Y”来简化模型的处理过程，胜利队伍如果是主队，就为“2”，如果平，就为“1”，如果是客队，就为“0”

使用pandas的get_dummies函数，来把数据内的分类替换为0或1，使数据能被scikit-learn读入到它的数据模型

然后把数据分开x和y集合，并且切分为70%的训练集和30%的测试集。

我们使用逻辑回归---一种分类算法，神马是逻辑回归，自行百度

我们的模型获得了57%的准确率在训练集上，55%在测试集上，这看来表现不太好，但是我们继续。

这里我们获取2018的fifa排名数据，在此数据上应用我们的训练模型。

比赛预测

好紧张…

应用模型到数据集

这里是小组赛结果

16强淘汰赛如下：

在往年的数据基础上根据模型数据集分析：西班牙VS俄罗斯，西班牙胜；阿根廷VS秘鲁，阿根廷胜；德国VS瑞士，德国胜；比利时VS波兰，比利时胜；葡萄牙和乌拉圭，葡萄牙胜；法国VS克罗地亚，法国胜；巴西VS墨西哥，巴西胜；英国VS哥伦比亚，英国胜。

不管你信不信，反正我是信了

模型可以继续改进

接下来你也可以预测四分之一决赛是否在葡萄牙、西班牙、德国及阿根廷之间开展，谁又将成为夺冠主力呢？

特别说明：以上数据分析，纯属个人学习用，预测结果与实际情况可能偏差很大，不能用于其他用途。

翻译：杨某人

原文地址：https://blog.goodaudience.com/predicting-fifa-world-cup-2018-using-machine-learning-dc07ad8dd576

了解更多网络安全技能与喜闻乐见的“福利帖”，欢迎关注微信公众号“开源聚合网络空间安全研究院”，与你一起晋升技术达人。