使用深度学习的 IPL 分数预测

自 2008 年 IPL 诞生以来，它吸引了全球各地的观众。高度的不确定性和最后一刻的咬指甲促使球迷观看比赛。在很短的时间内，IPL 已成为板球创收最高的联盟。在板球比赛中，我们经常会看到比分线显示了球队根据当前比赛情况获胜的概率。这种预测通常是在数据分析的帮助下完成的。在机器学习没有进步之前，预测通常是基于直觉或一些基本算法。上图清楚地告诉您，在有限的板球比赛中，将跑动率作为单一因素来预测最终比分是多么糟糕。

作为板球迷，可视化板球的统计数据令人着迷。我们浏览了各种博客，发现了可用于预先预测 IPL 比赛得分的模式。

为什么是深度学习？

我们人类无法轻易从大量数据中识别模式，因此在这里，机器学习和深度学习发挥了作用。它了解球员和球队之前对阵对方球队的表现，并相应地训练模型。仅使用机器学习算法可提供中等准确性，因此我们使用深度学习，其性能比我们以前的模型好得多，并考虑了可以提供准确结果的属性。

使用的工具：

• Jupyter Notebook / Google colab
• 视觉工作室

使用的技术：

• 机器学习。
• 深度学习
• Flask（前端集成）。
• 好吧，为了项目的顺利运行，我们使用了一些库，如 NumPy、Pandas、Scikit-learn、TensorFlow 和 Matplotlib。

模型架构

分步实施：

首先，让我们导入所有必要的库：

Python3

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn import preprocessing

第 1 步：理解数据集！

在处理板球数据时，Cricsheet 被认为是收集数据的合适平台，因此我们从 https://cricsheet.org/downloads/ipl.zip 获取数据。它包含从 2007 年到 2021 年的数据。为了提高模型的准确性，我们使用 IPL 玩家的统计数据来分析他们的表现。该数据集包含 2016 年至 2019 年每个 IPL 播放器的详细信息。

第 2 步：数据清理和格式化

我们使用.read_csv()方法将两个数据集导入到使用Pandas的数据框中，并显示每个数据集的前 5 行。我们对数据集进行了一些更改，例如添加了一个名为“y”的新列，该列在该特定局的前 6 场比赛中得分。

蟒蛇3

ipl = pd.read_csv('ipl_dataset.csv')
ipl.head()

蟒蛇3

data = pd.read_csv('IPL Player Stats - 2016 till 2019.csv')
data.head()

现在，我们将合并两个数据集。

蟒蛇3

ipl= ipl.drop(['Unnamed: 0','extras','match_id', 'runs_off_bat'],axis = 1)
new_ipl = pd.merge(ipl,data,left_on='striker',right_on='Player',how='left')
new_ipl.drop(['wicket_type', 'player_dismissed'],axis=1,inplace=True)
new_ipl.columns

合并列并删除新的不需要的列后，我们还剩下以下列。这是修改后的数据集。

有多种方法可以在我们的数据集中填充空值。在这里，我只是将 nan 的分类值替换为 '.'

蟒蛇3

str_cols = new_ipl.columns[new_ipl.dtypes==object]
new_ipl[str_cols] = new_ipl[str_cols].fillna('.')

步骤 3：将分类数据编码为数值。

对于能够帮助模型进行预测的列，这些值应该对计算机有意义。由于他们（仍然）没有能力理解和从文本中得出推论，我们需要将字符串编码为数字分类值。虽然我们可以选择手动完成该过程，但Scikit-learn 库为我们提供了使用LabelEncoder的选项。

蟒蛇3

listf = []
  
for c in new_ipl.columns:
    if new_ipl.dtype==object:
        print(c,"->" ,new_ipl.dtype)
        listf.append(c)

蟒蛇3

a1 = new_ipl['venue'].unique()
a2 = new_ipl['batting_team'].unique()
a3 = new_ipl['bowling_team'].unique()
a4 = new_ipl['striker'].unique()
a5 = new_ipl['bowler'].unique()
  
def labelEncoding(data):
    dataset = pd.DataFrame(new_ipl)
    feature_dict ={}
      
    for feature in dataset:
        if dataset[feature].dtype==object:
            le = preprocessing.LabelEncoder()
            fs = dataset[feature].unique()
            le.fit(fs)
            dataset[feature] = le.transform(dataset[feature])
            feature_dict[feature] = le
              
    return dataset
  
labelEncoding(new_ipl)

蟒蛇3

ip_dataset = new_ipl[['venue','innings', 'batting_team', 
                      'bowling_team', 'striker', 'non_striker',
                      'bowler']]
  
b1 = ip_dataset['venue'].unique()
b2 = ip_dataset['batting_team'].unique()
b3 = ip_dataset['bowling_team'].unique()
b4 = ip_dataset['striker'].unique()
b5 = ip_dataset['bowler'].unique()
new_ipl.fillna(0,inplace=True)
  
features={}
  
for i in range(len(a1)):
    features[a1[i]]=b1[i]
for i in range(len(a2)):
    features[a2[i]]=b2[i]
for i in range(len(a3)):
    features[a3[i]]=b3[i]
for i in range(len(a4)):
    features[a4[i]]=b4[i]
for i in range(len(a5)):
    features[a5[i]]=b5[i]
      
features

第 4 步：特征工程和选择

我们的数据集包含多个列，但我们无法从用户那里获取这么多输入，因此我们将选定数量的特征作为输入并将它们划分为 X 和 y。然后，在使用机器学习算法之前，我们将我们的数据分为训练集和测试集。

蟒蛇3

X = new_ipl[['venue', 'innings','batting_team',
             'bowling_team', 'striker','bowler']].values
y = new_ipl['y'].values
  
from sklearn.model_selection import train_test_split
  
X_train, X_test, y_train, y_test = train_test_split(
  X, y, test_size=0.33, random_state=42)

通过我们的模型比较这些大数值将很困难，因此在处理数据之前先缩放数据始终是更好的选择。这里我们使用sklearn.preprocessing 中的MinMaxScaler ，这是处理深度学习时推荐的。

蟒蛇3

from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
  
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

注意：我们无法拟合 X_test，因为它是要预测的数据。

第 5 步：构建、训练和测试模型

这是我们项目中最令人兴奋的部分，构建我们的模型！首先，我们会从tensorflow.keras.models导入顺序此外，我们将我们将使用多个层从tensorflow.keras.layers进口密集和辍学。

蟒蛇3

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense,Dropout
from tensorflow.keras.callbacks import EarlyStopping

EarlyStopping 用于避免过度拟合。提前停止的主要作用是，当 'val_loss' 比 'loss' 增加时，它停止计算损失。 Val_loss 曲线应始终低于 val 曲线。当发现 'val_loss' 和 'loss' 之间的差异变得恒定时，它停止训练。

蟒蛇3

model = Sequential()
  
model.add(Dense(43, activation='relu'))
model.add(Dropout(0.5))
  
model.add(Dense(22, activation='relu'))
model.add(Dropout(0.5))
  
model.add(Dense(11, activation='relu'))
model.add(Dropout(0.5))
  
model.add(Dense(1))
  
model.compile(optimizer='adam', loss='mse')

在这里，我们创建了 2 个隐藏层并减少了神经元的数量，因为我们希望最终输出为 1。然后在编译我们的模型时，我们使用了adam 优化器和损失作为均方误差。现在，让我们开始用 epochs=400 训练我们的模型。

蟒蛇3

model.fit(x=X_train, y=y_train, epochs=400, 
          validation_data=(X_test,y_test),
          callbacks=[early_stop] )

由于大量的样本和时期，这将需要一些时间，并将输出每个样本的“loss”和“val_loss”，如下所示。

训练完成后，让我们可视化模型的损失。

蟒蛇3

model_losses = pd.DataFrame(model.history.history)
model_losses.plot()

正如我们所看到的，我们的模型具有绝对完美的行为！

第 6 步：预测！

在这里，我们来到项目的最后一部分，我们将在其中预测 X_test。然后我们将创建一个数据框，向我们显示实际值和预测值。

蟒蛇3

predictions = model.predict(X_test)
sample = pd.DataFrame(predictions,columns=['Predict'])
sample['Actual']=y_test
sample.head(10)

正如我们所看到的，我们的模型预测得很好。它给了我们几乎相似的分数。要了解更准确的实际和预测的分数之间的差异，性能指标将使用mean_absolute_error和mean_squared_error从sklearn.metrics告诉我们错误率

看看我们的前端：

cricster.com

性能指标！

蟒蛇3

from sklearn.metrics import mean_absolute_error,mean_squared_error
  
mean_absolute_error(y_test,predictions)

蟒蛇3

np.sqrt(mean_squared_error(y_test,predictions))

让我们来看看我们的模型！ 🙂

队员：

• 什拉瓦尼·拉杰古鲁
• 羽衣甘蓝
• 普鲁斯维拉·贾达夫

Github 链接： https : //github.com/hrush25/IPL_score_prediction.git