数据可视化
我们将分别对影响比赛的相关因素进行如下探索：
1. 目标变量分布
数据集一共有51490条记录，其中1队获胜的次数为26077次，占比50.6%，2队获胜的次数为25413次，占比49.4%。不存在样本不平衡的情况。
代码
# 饼图
trace0 = go.Pie(labels=df['winner'].value_counts().index,
values=df['winner'].value_counts().values,
hole=0.5,
opacity=0.9,
marker=dict(line=dict(color='white', width=1.3))
)
layout = go.Layout(title='目标变量winner分布')
data = [trace0]
fig = go.Figure(data, layout)
py.offline.plot(fig, filename='./html/整体获胜情况分布.html')
2. 游戏时长分布
从直方图可以看出，游戏时长大致服从正态分布，其中最短的游戏时长为3分钟，3分钟是游戏重开的时间点，最长的游戏时长是79分钟。中间50%的时长在26~36分钟之间。
代码
df['game_duration'] = round(df['gameDuration'] / 60)
# 选择数据
x1 = df[df['winner'] == 1]['game_duration']
x2 = df[df['winner'] == 2]['game_duration']
# 直方图
trace0 = go.Histogram(x=x1, bingroup=25, name='team1', opacity=0.9)
trace1 = go.Histogram(x=x2, bingroup=25, name='team2', opacity=0.9)
layout = go.Layout(title='比赛游戏时长分布')
data = [trace0, trace1]
fig = go.Figure(data, layout)
py.offline.plot(fig, filename='./html/游戏时长分布.html')
3. 一血对获胜的影响
获得一血的队伍胜率相对较高，在第一队的比赛中，首先获得一血时的胜率为59.48%，相较未获得一血的比赛高18%。在第二队的比赛中，获得一血时的胜率为58.72%，相较未获得一血的比赛高18%。
代码
plot_bar_horizontal(input_col='firstBlood', target_col='winner', title_name='一血对获胜的影响')
4. 一塔对获胜的影响
从数据来看，第一个防御塔看起来是比较有说服力的指标。在第一队的比赛中，首先摧毁一塔时队伍的胜率高达70.84%，相较未获得一塔的比赛高41.64%。在第二队的比赛中，有相近的数据表现。
代码
plot_bar_horizontal(input_col='firstTower', target_col='winner', title_name='一塔对获胜的影响')
5. 摧毁第一个水晶对获胜的影响
在比赛中拿到第一座水晶塔的队伍91%的情况下可以获胜，这一点在某种程度上是可以预见的，因为首先摧毁水晶塔代表队伍已经积累的足够的优势，而且水晶塔力量很强大，并且更具有价值。
代码
plot_bar_horizontal(input_col='firstInhibitor', target_col='winner', title_name='摧毁第一个水晶对获胜的影响')
6. 击杀第一条男爵对获胜影响
统计数据显示，在比赛中击杀第一条男爵有80%的胜率。
plot_bar_horizontal(input_col='firstBaron', target_col='winner', title_name='击杀第一条男爵对获胜影响')
7. 击杀第一条大龙对获胜的影响
在第一个队伍中，首先击杀第一条大龙的队伍胜率在68.6%，相较未取得优先的比赛胜率高36%。
plot_bar_horizontal(input_col='firstDragon', target_col='winner', title_name='击杀第一条大龙对获胜的影响')
8. 击杀第一条峡谷先锋对获胜的影响
在第一个队伍中，首先击杀第一条峡谷先锋的队伍胜率在69.45%，相较未取得优先的比赛胜率高38.92%。
plot_bar_horizontal(input_col='firstRiftHerald', target_col='winner',
title_name='击杀第一条峡谷先锋对获胜的影响')
9. 摧毁防御塔数对获胜影响
选择第一个队伍的摧毁防御塔数作为影响因素，可以看出，摧毁的防御塔数量越多，获胜的概率越大。当数量大于8个时，胜率大于85%。11个防御塔全部摧毁时的胜率为99.16%，当然也有8.4‰的翻盘概率。
plot_bar_vertical(input_col='t1_towerKills', target_col='winner', title_name='摧毁防御塔数对获胜影响')
10. 摧毁水晶数对获胜影响
摧毁水晶的数目越多，获胜的概率越大。没有摧毁水晶的获胜概率为12.55%，摧毁一个的获胜概率为81.11%，两个为92.38%。
plot_bar_vertical(input_col='t1_inhibitorKills', target_col='winner', title_name='摧毁水晶数对获胜影响')
11. 击杀男爵数对获胜影响
击杀男爵数越多，获胜的概率越大，击杀5条男爵的数据仅有一条，后续需要删除。
plot_bar_vertical(input_col='t1_baronKills', target_col='winner', title_name='击杀男爵数对获胜影响')
12. 击杀大龙数对获胜影响
击杀大龙数数越多，获胜的概率越大
plot_bar_vertical(input_col='t1_dragonKills', target_col='winner', title_name='击杀大龙数对获胜影响')
数据建模
首先进行初步的清洗，并筛选建模所需变量。
# 删除时间少于15分钟和分类数较少的记录
df = df[(df['gameDuration'] >= 900) & (df['t1_baronKills'] != 5)]
print(df.shape)
# 筛选建模变量
df_model = df[['winner', 'firstBlood', 'firstTower', 'firstInhibitor', 'firstBaron',
'firstDragon', 'firstRiftHerald', 't1_towerKills', 't1_inhibitorKills','t1_baronKills',
't1_dragonKills', 't2_towerKills', 't2_inhibitorKills', 't2_baronKills', 't2_dragonKills'
]]
df_model.head()
然后划分训练集和测试集，采用分层抽样方法划分80%数据为训练集，20%数据为测试集。
# 划分训练集和测试集
x = df_model.drop('winner', axis=1)
y = df_model['winner']
X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.2, stratify=y, random_state=0)
print(X_train.shape, X_test.shape, y_train.shape, y_test.shape)
(40144, 14) (10036, 14) (40144,) (10036,)
使用决策树算法建模，使用GridSearchCV进行参数调优。
# 参数
parameters = {
'splitter': ('best', 'random'),
'criterion':('gini', 'entropy'),
'max_depth':[*range(1, 20, 2)],
}
# 建立模型
clf = DecisionTreeClassifier(random_state=0)
GS = GridSearchCV(clf, parameters, cv=10)
GS.fit(X_train, y_train)
GridSearchCV(cv=10, estimator=DecisionTreeClassifier(random_state=0),
param_grid={'criterion': ('gini', 'entropy'),
'max_depth': [1, 3, 5, 7, 9, 11, 13, 15, 17, 19],
'splitter': ('best', 'random')})
# 输出最佳得分
print("best score: ", GS.best_score_)
print("best param: ", GS.best_params_)
best score: 0.9770077890521407
best param: {'criterion': 'gini', 'max_depth': 7, 'splitter': 'best'}
# 最佳模型
best_clf = DecisionTreeClassifier(criterion="gini", max_depth=7, splitter="best")
best_clf.fit(X_train,y_train)
print("score:", best_clf.score(X_test,y_test))
score: 0.9799721004384216
使用最优的模型重新评估测试数据集效果：
# 输出分类报告
y_pred = best_clf.predict(X_test)
cm = confusion_matrix(y_test, y_pred)
cr = classification_report(y_test, y_pred)
print('Classification report : \n', cr)
Classification report :
precision recall f1-score support
1 0.98 0.98 0.98 5077
2 0.98 0.98 0.98 4959
accuracy 0.98 10036
macro avg 0.98 0.98 0.98 10036
weighted avg 0.98 0.98 0.98 10036
# 热力图
g1 = sns.heatmap(cm, annot=True, fmt=".1f", cmap="flag", linewidths=0.2, cbar=False)
g1.set_ylabel('y_true', fontdict={'fontsize': 15})
g1.set_xlabel('y_pred', fontdict={'fontsize': 15})
g1.set_title('confusion_matrix', fontdict={'fontsize': 15})
Text(0.5, 1, 'confusion_matrix')
# 输出属性重要性
imp = pd.DataFrame(list(zip(X_train.columns, best_clf.feature_importances_)))
imp.columns = ['columns', 'importances']
imp = imp.sort_values('importances', ascending=False)
imp
在属性的重要性排序中，击杀防御塔数量的重要性最高，其次是水晶摧毁数量、一塔、击杀龙的数量。
以下代码用于输出这颗树：
# 可视化
import graphviz
from sklearn import tree
dot_data = tree.export_graphviz(decision_tree=best_clf, max_depth=3,
out_file=None,
feature_names=X_train.columns,
class_names=['1', '2'],
filled=True,
rounded=True
)
graph = graphviz.Source(dot_data)
graph
模型预测
我们假设:
第一队拿了第一血，第一塔，第一男爵，第一条大龙和第一峡谷先锋，而第二队只拿了第一个水晶。
第一队的塔，水晶，男爵和龙杀死的数量分别是10,2,1,4和塔，水晶，男爵和龙的数量分别是7,2,1,1。
# 新数据
new_data = [[1, 1, 2, 1, 1, 1, 10, 2, 1, 4, 7, 2, 1, 1]]
c = best_clf.predict_proba(new_data).reshape(-1, 1)
print("winner is :" , best_clf.predict(x1))
print("First team win probability is % ", list(c[0] * 100),
"\nSecond team win probability is %:",list(c[1
] * 100))
winner is : [1]
First team win probability is % [89.87341772151899]
Second team win probability is %: [10.126582278481013]
根据模型预测结果，第一队将会获胜，获胜的概率为89.87%。
