NBA Machine Learning Sports Betting

使用機器學習的NBA體育博彩？

一種用於預測獲勝者和下/跨越NBA遊戲的機器學習人工智能。將所有團隊數據從2007-08賽季到本賽季都與這些遊戲的機率相匹配，並使用神經網絡預測當今遊戲的獲勝賭注。在貨幣線上達到約69％的準確性，下/售價為55％。團隊貨幣線的預期價值提供更好的見解。還輸出了基於Kelly標準的BET的資金分數。請注意，一種流行，風險較小的方法是押注Kelly Criterion推薦的50％的股份。

使用的軟件包

使用Python 3.11。特別是使用的軟件包/庫是...

• TensorFlow-機器學習庫
• XGBOOST-梯度提升框架
• numpy- python中的科學計算包
• 熊貓 - 數據操縱和分析
• Colorama-顏色文本輸出
• TQDM-進度條
• 請求-HTTP庫
• Scikit_learn-機器學習庫

用法

確保已安裝上面的所有軟件包。

$ 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

如果提供-ODDS選項，則賠率數據將自動從Sbrodds獲取。選項包括：Fanduel，DraftKings，Betmgm，Pointsbet，Caesars，Wynn，BET_RIVERS_NY

如果沒有給出-odds ，請在啟動腳本後手動輸入今天的遊戲中的下/賠率。

可選，您可以將'-kc'作為命令行參數添加，以根據模型的邊緣查看投資的推薦分數

Blask Web應用程序

此存儲庫還包括一個小型燒瓶應用程序，可幫助您在瀏覽器中查看此工具的數據。運行它：

 cd Flask
flask --debug run

獲取新的數據和培訓模型

 # 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

貢獻

所有貢獻都受到歡迎和鼓勵。