[娱乐]Bilibili 2016动画角色男女主角冠军预测

         突然看到Bilibili 2016动画角色人气比拼的活动，一时兴起，利用sklearn进行冠军的预测，数据来自http://bangumi.bilibili.com/moe/2016/jp/schedule/20170101。

         冠军未产生时的人气对决数据如下：





          博主并不是一个深度宅男，除了一些热门角色（大部分都是），有些 角色需要翻看百度百科来给人物确立特征，暂定特征有：是否是主角（0，1），性格冷或热（0，1），性格稳定度（0，1），SorM（0，1），发色是否为黑（0，1），是否长发（0，1），不能确定的取0.5，来为每个角色建立数据。

         对决的数据为两个角色的特征差，对决结果为两个角色的票数比例（左人物比上右人物），对决数据如下：

IfMaincha	Stability	ColdorHot	SorM	IfHairBlack	IfHairlong	Rank
0	1	0	-1	0	0	0.6323195642
1	-1	0	0.5	1	1	0.9933649866
1	1	0	0.5	0	1	0.8718418515
1	0	-1	0	0	0	0.7054327375
0	0	-0.5	0	0.5	0	1.0489565819
0	0	-1	0	-0.5	0	1.1693645485
0	1	0	-1	-1	-0.5	0.8763312998
1	0	1	0	0	0	1.0544862304
0	-1	0	1	0	1	1.176349052
0	0	-1	-1	0.5	-1	1.0830188679
0	0	-0.5	0	0.5	0	0.9055555556
1	-1	1	0	0	0.5	1.6249837683

         编写python程序，利用sklearn中的SVM回归来进行拟合，代码如下：

读取数据：

# Imports

# pandas
import pandas as pd
from pandas import Series,DataFrame

# numpy, matplotlib, seaborn
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style('whitegrid')
%matplotlib inline

# machine learning
from sklearn.svm import SVR
train_df = pd.read_csv("/home/lsei/文档/train.csv")
test_df    = pd.read_csv("/home/lsei/文档/test.csv")

# preview the data
train_df.head()

# define training and testing sets
X_train = train_df.drop("Rank",axis=1)
Y_train = train_df["Rank"]
X_test  = test_df.copy()

	IfMaincha	Stability	ColdorHot	SorM	IfHairBlack	IfHairlong	Rank
0	0	1	0.0	-1.0	0.0	0	0.632320
1	1	-1	0.0	0.5	1.0	1	0.993365
2	1	1	0.0	0.5	0.0	1	0.871842
3	1	0	-1.0	0.0	0.0	0	0.705433
4	0	0	-0.5	0.0	0.5	0	1.048957

数据预测：

svc = SVR()
svc.fit(X_train, Y_train)
Y_pred = svc.predict(X_test)
svc.score(X_train, Y_train)

预测结果：

Y_pred=Y_pred1+Y_pred2+Y_pred3+Y_pred4+Y_pred5+Y_pred6+Y_pred7

Y_pred=np.round(Y_pred/7.0)

Y_pred=Y_pred.astype(int);

Y_pred

结果为：

array([ 1.27587358, 0.85956564])

即蕾姆获胜，夜斗获胜。蕾姆票数比五和琴里为：1.27587358杀老师票数比夜斗为：0.85956564最终结果如下：



冠军结果正确，蕾姆票数比例比预测高很多1.72（预测1.276）（评论中为蕾姆拉票的很多），夜斗获胜票数比例基本预测正确0.905（预测0.86）。

PS：其实单纯靠蒙猜对的正确率也有25%，而且数据量极少，所以只用了sklearn的基本函数，这篇机器学习的数据预测的目的只是娱乐一下。