摘要：通过 Python利用以往的比赛结果和一些比赛时的数据来预测之后新赛季的每个队伍之间比赛的比赛结果。此设计利用爬虫来爬取美国NBA官网数据来作为样本，利用数据分析来汇总、理解、提取数据中的有效信息，使用机器学习方法来学习每场比赛与胜利队伍中有效信息的关系，最终较为准确的预测之后比赛的队伍胜负关系，给出胜负概率情况来作为参考。此设计只能用于篮球比赛且准确性并没有非常高，无法适用于不同种类的体育比赛中。如果需要适用于不同的体育比赛，则需要找到体育比赛的共通点。

关键词：预测；数据分析；机器学习；爬虫

目录

摘要

ABSTRACT

第一章-绪论-7

1.1 课题介绍-7

1.2 课题要求-7

1.3 课题目标-7

1.3.1 项目目标-7

1.3.2 个人目标-7

1.4 课题背景-7

1.5 课题的研究价值和意义-8

1.6 现状与发展趋势-8

1.7 课题主要内容-8

第二章-关键技术介绍-9

2.1 Python自带的爬虫-9

2.2 Beautiful Soup-9

2.3 HTTP协议-9

2.4 Urllib 库-10

2.5 数据分析-10

2.6 机器学习-11

2.7 十折交叉验证-11

第三章-系统分析-13

3.1 系统可行性分析-13

3.2 系统功能分析-14

3.3 本章小结-14

第四章-系统概要设计-15

4.1 爬虫设计-15

4.2 数据分析设计-15

4.3 机器学习设计-16

第五章-系统详细设计和实现-18

5.1 爬虫部分的系统详细设计与实现-18

5.1.1 新赛季比赛日程（Schedule）的爬取-18

5.1.2 旧赛季比赛结果数据（旧赛季results）的爬取-19

5.1.3 赛季中每场比赛中队伍平均的表现统计（Team Per Game Stats）数据的爬取-20

5.1.4 综合统计（Miscellaneous Stats）数据的爬取-22

5.1.5 赛季中每场比赛敌对队伍的数据统计（e Opponent Per Game Stats）的数据的爬取-23

5.2 数据分析的详细设计与实现-24

5.2.1 关于爬取的具体数据介绍-24

5.2.2 数据分析设计（以一场比赛为例）-27

5.3 机器学习的实现-28

5.4 主函数-28

5.5 本章小结-28

第六章-系统测试-29

6.1 爬虫部分测试-29

6.1.1 新赛季比赛日程（Schedule）的爬取测试-29

6.1.2 旧赛季比赛结果数据（旧赛季results）的爬取测试-30

6.1.3 每支队伍平均在每场比赛中的表现统计（Team Per Game Stats）数据的爬取测试-31

6.1.4 综合统计（Miscellaneous Stats）数据的爬取测试-32

6.1.5 每场比赛的对手数据统计（Opponent Per Game Stats）的数据的爬取测试-32

6.2 主代码测试-33

第七章-结论与展望-34

7.1 本文主要成果-34

7.2 关于之后的规划-34

参考文献-35

致  谢-36