哈喽，大家好。
今天看到Kaggle上有一个预测世界杯比赛结果的项目，截至目前 4 场比赛预测结果全中。
今天把源码研究了一下，做了中文注释，给大家分享下。
文末有源码和数据集的获取方式。
提醒大家，本文只做学习交流使用，不做决策参考，更不要盲目赌球。
1. 获取数据集
数据集使用 1872-2022年国际足球比赛数据和FIFA 1992-2022年球队排名数据。
虽然有数据集很大，但作者只用了 2018-2022年的数据作为训练数据。
df = pd.read_csv("./kaggle/input/international-football-results-from-1872-to-2017/results.csv")
df = df[(df["date"] >= "2018-8-1")].reset_index(drop=True)
2. 特征工程
选取的特征要能够较好地反映预测结果，如：
世界杯球队的平均进球数 球队最近5场比赛的平均进球数 世界杯球队的平均犯规数 球队最近5场比赛的平均犯规数 球队在世界杯中 FIFA 平均排名 球队在最近5场比赛中 FIFA 平均排名 FIFA积分 最近5场FIFA积分 比赛得分 最近5场比赛积分 Mean game points by rank faced at the Cycle. Mean game points by rank faced at last 5 games.
通过观察这些特征的小提琴图，筛选对预测结果又很强区分的特征。
对于值比较小的特征，可以尝试用箱型图观察。
最终生成的特征为：
最终特征如下：
rank_dif goals_dif goals_dif_l5 goals_suf_dif goals_suf_dif_l5 dif_rank_agst dif_rank_agst_l5 goals_per_ranking_dif dif_points_rank dif_points_rank_l5 is_friendly
3. 建模
作者选择了随机森林和GradientBoosting模型进行训练，并对比他们的 AUC。
最终选取GradientBoosting作为预测模型。
4. 预测
预测需要获取 2022 世界杯比赛数据。
作者通过爬取维基百科解析出比赛数据，考虑到国内很多朋友无法访问维基百科。源代码中我已经将比赛数据放在本地文件中。
kaggle地址：https://www.kaggle.com/code/sslp23/predicting-fifa-2022-world-cup-with-ml/notebook
如果大家觉得本文对你有用就点个 在看 鼓励一下吧，后续我会持续分享优秀的 Python+AI 项目。
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/70024922/viewspace-2928610/ ，如需转载，请注明出处，否则将追究法律责任。
