NBA Machine Learning Sports Betting

機械学習を使用したNBAスポーツベット？

NBAゲームの勝者とアンダー/オーバーを予測するために使用される機械学習AI。 2007-08シーズンから現在のシーズンまですべてのチームデータを取得し、これらのゲームのオッズと一致し、ニューラルネットワークを使用して今日のゲームの勝利を予測します。マネーラインで約69％の精度を達成し、アンダー/オーバーで約55％を達成します。より良い洞察を提供するために、チームのマネーラインの期待値を出力します。 Kelly Criterionに基づいて賭けるためのバンクロールの割合も出力されます。ケリーの基準が推奨するステークの50％を賭けることであることに注意してください。

使用されるパッケージ

Python 3.11を使用します。特に、使用されるパッケージ/ライブラリは...

• Tensorflow-機械学習ライブラリ
• xgboost-グラデーションブーストフレームワーク
• Numpy- Pythonの科学コンピューティング用パッケージ
• パンダ - データの操作と分析
• colorama-カラーテキスト出力
• TQDM -Progress Bars
• リクエスト-HTTPライブラリ
• scikit_learn-機械学習ライブラリ

使用法

上記のすべてのパッケージがインストールされていることを確認してください。

$ git clone https://github.com/kyleskom/NBA-Machine-Learning-Sports-Betting.git
$ cd NBA-Machine-Learning-Sports-Betting
$ pip3 install -r requirements.txt
$ python3 main.py -xgb -odds=fanduel

-oddsオプションにスポーツブックが提供されている場合、オッズデータはSBRODDSから自動的にフェッチされます。オプションには、Fanduel、DraftKings、BetMgm、Pointsbet、Caesars、Wynn、Bet_rivers_nyが含まれます

-oddsが指定されていない場合は、スクリプトを開始した後、今日のゲームのアンダー/オーバーとオッズを手動で入力します。

オプションで、モデルのエッジに基づいて賭けにバンクロールの推奨される割合を確認するために、コマンドライン引数として「-KC」を追加できます

Flask Webアプリ

このリポジトリには、ブラウザ内のこのツールのデータを表示するのに役立つ小さなフラスコアプリケーションも含まれています。それを実行するには：

 cd Flask
flask --debug run

新しいデータとトレーニングモデルの取得

 # Create dataset with the latest data for 2023-24 season
cd src/Process-Data
python -m Get_Data
python -m Get_Odds_Data
python -m Create_Games

# Train models
cd ../Train-Models
python -m XGBoost_Model_ML
python -m XGBoost_Model_UO

貢献

すべての貢献が歓迎され、奨励されました。