在上一篇文章中，我們介紹作者如何分析MLB賽事，並找出影響比賽勝負較為重要的因子，而今天我們就來看看作者究竟是選擇了哪些模型進行訓練以及預測，並最終做出能夠預測MLB勝負高達61.77%準確度的模型吧!!

模型的建構與選擇

1.數據的分割

在機器學習中，我們通常需要將數據集分成三個部分，分別是

A.訓練集 : 模型學習所用

B.驗證集 : 模型調整參數所用

C.測試集 :模型最終測試結果所用

                由於訓練集跟驗證集都是被模型所學習過的資料，因此我們須要特別分出一個測試集，以當作模型沒看過的數據，讓模型預測看看實戰的結果如何

2.模型訓練評估

在數據進行一系列的前處理以及分割後，我們接下來就是要讓模型進行數據的訓練，但究竟要選擇哪個模型比較好呢?答案是「無從考據」，我們只能盡可能拿取大量的模型進行訓練，因此作者在此利用了8個模型對MLB的數據進行訓練，該8個模型分別如下:

1. Lasso (L1) penalty regularization(L1正規化)
2. Ridge (L2) penalty regularization(L2正規化)
3. Elastic net (L1+L2) penalty regularization(彈性網路正規化)
4. K-Nearest Neighbors classifier(KNN)
5. Decision tree classifier(決策樹)
6. Random forest ensemble(隨機森林)
7. XGBoost classifier
8. Stochastic gradient descent classifier(隨機梯度下降)

而作者是利用「ROC中的AUC面積」及「brier分數」等評估方法來衡量究竟要選擇哪個模型當作最終的預測模型

3.最終模型選擇

在考慮了模型的準確度、複雜程度、解釋性等方向後，最終作者是選擇了「Elastic net (L1+L2) penalty regularization(彈性網路正規化)」當作最終的預測模型，不論在準確度(Accuracy)、Brier得分(越低越好)、AUC等評分都是最佳的結果，而且作者還利用了BSS(組間間距)來評估，BSS越大表示對分類的準確能力越高，而作者計算Elastic Net的BSS為0.5137，大於0表示預測能力優異

4.訓練週期挑選

在模型的訓練過程中，作者除了找到最佳的預測模型外，也發現如果我們只考慮前7場比賽的數據，在預測能力上能夠優於參考從上一賽季累計自今比賽的數據，且在賽季之初的預測能力也較優異

小結

         今天我們介紹了該篇作者如何挑選訓練模型，以及為何選擇了Elastic net (L1+L2) penalty regularization(彈性網路正規化)模型當作最終預測模型，此外作者也發現了採用7天的訓練週期的預測能力最佳。但即便這些預測模型能得到多高的準確度，這都不代表他們真的能實際運用在運彩投注上，所以我們下一篇最終章將介紹究竟該模型在最新2021年MLB的賽事上能不能獲得不錯的獲利吧!!

下篇也已經寫出來囉，有興趣的可以去看看!!

利用大數據分析預測MLB勝負(上)

利用大數據分析預測MLB勝負(下)

---