我正在开展一个项目，我需要根据篮球运动员过去的统计数据来预测未来的统计数据。我希望能够根据过去三个赛季的统计数据预测下赛季的统计数据（如果有前三个赛季可供选择）。有没有人建议我可以使用一个好的预测算法？数据是连续的，可以有 5-14 个维度（年龄、分钟、积分等）之间的任意位置
谢谢！
注意：我真的很想使用 Weka 程序来执行此操作。
【问题讨论】：
标签： machine-learning data-mining pattern-recognition
显然没有一个正确的答案，但对于任何想要做类似事情的人，我会更好地描述我的问题和我找到的解决方案。我创建了一个 csv 文件，其中每一行是不同的季节，每一列包含不同的属性。对于我想预测的每个属性，我都有当前赛季的统计数据，然后是上一赛季统计数据的另一列。对于所有“上一季”列，第一个（新秀）赛季将为 0。有了这个数据集，我将它加载到 Weka 中，并使用了一个多层感知器，并将测试选项设置为交叉验证。我将折叠数设置为可用季节数的 80-90% 之间。
最后，为了预测下一季的统计数据，您在末尾再添加一行，并用“？”输入上一季的值。在您想要预测的列中。如果有人想要更深入的例子，我很乐意提供。
【讨论】：
开箱即用，random forest 可能会给你一个强大的基线，所以我会从这个开始。
您也可以尝试linear regression，这是一种简单但相对有效的方法，但根据数据可能需要进行更多调整（例如转换一些输入和/或输出变量）。
Gradient boosting 回归是另一个强大的预测指标，但通常还需要更多调整才能正常工作。
所有这些算法都有 Weka 实现。
【讨论】：