120 практических задач. Джейд Картер

Чтение книги онлайн.

      data = pd.read_csv('sports_data.csv')

      # Предобработка данных

      # Пример: преобразование категориальных переменных в числовые

      data['team1'] = data['team1'].astype('category').cat.codes

      data['team2'] = data['team2'].astype('category').cat.codes

      # Выбор признаков и целевой переменной

      X = data[['team1', 'team2', 'team1_score', 'team2_score', 'team1_wins', 'team2_wins']]

      y = data['outcome'] # Целевая переменная (победа/поражение)

      # Разделение данных на тренировочную и тестовую выборки

      X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

      # Масштабирование признаков

      scaler = StandardScaler()

      X_train = scaler.fit_transform(X_train)

      X_test = scaler.transform(X_test)

      # Создание и обучение модели логистической регрессии

      model = LogisticRegression()

      model.fit(X_train, y_train)

      # Прогнозирование на тестовых данных