NBA_AI
1.0.0
该项目旨在通过关注高级AI预测模型而不是广泛的数据收集和管理来简化预测NBA游戏结果的过程。与我以前的项目NBA投注不同，该项目旨在创建一个通过广泛的数据收集来预测NBA游戏的综合功能，该项目简化了过程。尽管以前的方法受益于各种行业衍生的指标，但管理数据收集的成本和复杂性太高。该项目着重于核心数据集，例如逐场播放数据，并利用深度学习和Genai来预测游戏成果。
该项目目前处于开发的早期阶段，其基本预测引擎使用了简单的模型，例如Ridge回归，XGBoost和基本MLP。预测引擎仅限于基本的游戏得分预测和获胜百分比。 Web应用程序提供了一个简单的接口，用于显示所选日期的游戏以及当前的分数和预测。幸运的是，这与项目应该变得像应该变得一样复杂。目的是逐渐将数据库更新程序的大多数部分和游戏API逻辑的一部分集成到单个预测引擎中。这将允许更简化的过程和功能更强大的预测引擎。
该项目围绕一些关键组成部分建立：
数据库更新程序：此组件负责使用最新的NBA游戏数据更新数据库。它从NBA Stats API中获取数据，执行ETL操作，生成功能，创建预测并将数据存储在SQLITE数据库中。它由一些模块组成：
database_update_manager.py ：编排整个过程的主模块。schedule.py ：从NBA API获取时间表并更新数据库。pbp.py ：获取游戏的逐游戏数据并更新数据库。game_states.py ：逐步播放数据以生成游戏状态并更新数据库。prior_states.py ：确定团队的先验最终比赛状态。features.py ：使用先前的最终游戏状态为预测引擎生成功能。predictions.py ：使用所选预测引擎为游戏生成预测。游戏API ：此组件负责更新正在进行或完成的游戏的预测，并将数据提供给Web应用程序。它从数据库中获取数据，生成预测，并将数据提供给Web应用程序。
games.py ：从数据库中获取游戏数据，管理预测更新和数据格式。api.py ：定义API端点。games_api.md文档。Web应用程序：此组件是项目的前端，为用户提供了一个简单的接口来查看游戏和预测。它是使用烧瓶建造的。
start_app.py ：在根目录中找到的Web应用程序的主要入口点。app.py ：定义烧瓶应用程序和路由的主模块。game_data_processor.py应用程序的API格式化游戏数据。templates/ ：包含Web应用程序的HTML模板。static/ ：包含Web应用程序的CSS和JavaScript文件。
数据采购：关注从根本上描述篮球的数据源数量最少。目前，我们使用NBA API的逐播数据。将来，将视频和跟踪数据合并会很有趣，尽管这些需要更多的资源和访问。
预测引擎：这是该项目的核心，将成为开发重点，直到2024-2025赛季开始。当前的预测引擎选项将被基于DL和基于Genai的引擎取代，从而可以减少数据解析和功能工程，同时还可以扩展以预测更复杂的结果，包括个人播放器性能。
数据存储：未来数据存储将与预测引擎更加无缝集成。该存储要求将将用于API和Web应用程序的当前基于SQL的数据与基于抹布的Genai模型的基于高级向量的存储。
Web应用程序：这是项目的前端，显示了所选日期的游戏以及当前的分数和预测。该界面将保持简单，同时可逐渐提高可用性。将来将添加单独的Genai聊天，以允许用户与预测引擎进行交互，并根据其偏好修改个人预测。
目前，有一些基本的预测引擎用于预测NBA游戏的结果。这些是将来将要实施的更先进的DL和Genai发动机的占位符。当前的发动机使用ML模型对Home and Away分数进行了赛前预测。然后，这些预测用于计算主队的获胜百分比和利润。更新（游戏开始后）预测是基于当前游戏得分，剩余时间和赛前预测的组合。
目前的指标基于对家庭和外客队分数的赛前预测，以及诸如WIN百分比和利润之类的下游指标。这些简单的预测因子当前优于基线预测因子。
将来，当实施DL和Genai模型时，将添加更具挑战性的基线。
使用以下命令将存储库克隆到本地计算机：
git clone https://github.com/NBA-Betting/NBA_AI.git导航到项目目录：
cd NBA_AI创建虚拟环境：
python -m venv venv激活虚拟环境：
source venv/bin/activate安装所需的依赖项：
pip install -r requirements.txt将.env.template文件重命名为.env ：
cp .env.template .env在您喜欢的文本编辑器中打开.env文件并设置必要的值：
# .env
# Flask secret key (Optional, Flask will generate one if not set)
# WEB_APP_SECRET_KEY=your_generated_secret_key
# Project root path (Mandatory)
PROJECT_ROOT=/path/to/your/project/root
将/path/to/your/project/root用在本地计算机上的项目根目录的实际路径。您可以将WEB_APP_SECRET_KEY留下评论，如果您要自动生成烧瓶。
默认情况下，配置将指向空数据库（ data/NBA_AI_BASE.sqlite ）。如果您想使用预先填充的2023-2024季节数据：
从GitHub版本页面下载SQLite数据库ZIP文件：
v0.1 ）。NBA_AI_2023_2024.zip文件。提取zip文件：
unzip path/to/NBA_AI_2023_2024.zip -d data更新config.yaml文件以指向提取的数据库：
database :
path : " data/NBA_AI_2023_2024.sqlite " # <<< Set this to point to the database you want to use.使用root目录中的start_app.py文件运行应用程序：
python start_app.py应用程序运行后，您可以通过打开Web浏览器并导航到：
http://127.0.0.1:5000/
每次运行时，数据库更新程序都会为指定季节处理所有游戏。在给定季节的第一次运行中，当数据库为空时，更新者将获取每个游戏的逐场播放数据。此初始更新可能需要几分钟，并且最多需要几个GB的内存，因为它大约对NBA Stats API（每场比赛）进行了大约1,500个API调用。由于数据已经存储在数据库中，因此随后的更新将大大更快。
默认情况下，Web应用程序仅限于2023-2024和2024-2025季节，以防止过度更新过去的季节。这些限制可以在config.yaml文件中调整，并且直接运行代码时不应用。如果需要，更新过程可追溯到2000-2001。
api :
valid_seasons :
- " 2023-2024 "
- " 2024-2025 "这是一项正在进行的工作，并且有很多改进要做。如果您有任何建议或反馈，请随时打开问题或直接与我联系。在2024-2025季节开始之前，我将重点介绍创建DL和Genai预测引擎，但还将在时间允许的情况下努力改进Web应用程序和其他组件。
