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。