课程主页: https://www.coursera.org/learn/prediction-models-sports-data
课程介绍
在这门名为《体育数据预测模型》的课程中，学习者将通过Python学习如何生成职业体育比赛结果的预测。课程的主要重点是教授逻辑回归作为建模比赛结果的方法，并使用有关球队支出的数据。这门课程将带领学习者经历建模过去成绩的过程，然后使用模型预测未进行比赛的结果。此外，课程还展示了如何利用赔率数据评估模型的可靠性。
课程大纲概述
第一周：本模块介绍了在处理体育比赛中分类结果变量时的回归模型（即胜、平、负）。它阐述了线性概率模型（LPM）的理论基础、计算应用和经验局限性，并介绍和演示逻辑回归作为LPM在分类因变量中的更好替代方案。
第二周：本模块探讨了概率与投注市场之间的关系。它解释了赔率的概念及其与概率之间的关系，开发了利用体育案例测量投注赔率准确性的方法，并评估了投注市场效率的意义。
第三周：本模块展示了如何使用有序逻辑模型和公开信息预测英超联赛足球比赛的结果，评估这些预测与投注赔率的准确性，发现其惊人的准确性。
第四周：本模块通过在三个北美职业体育联赛（即NHL，NBA，MLB）的背景下复制上周的EPL预测模型，评估该模型的有效性。具体而言，本模块展示了如何使用有序逻辑模型和公开信息预测NHL、NBA和MLB常规赛的比赛结果，并评估这些预测与投注赔率的准确性。
第五周：本模块考察赌博的历史和社会后果，以及赌博与统计之间的关系。从不同的伦理和宗教系统的角度探讨赌博，并评估赌博问题。
个人评价与推荐
这门课程不仅深入浅出，还配有丰富的实例，非常适合那些对数据分析和体育竞猜感兴趣的学习者。通过课程的学习，学生可以掌握数据预测的基本原理及其在实践中的应用，对职业体育的关注也将帮助学生形成更加全面的视角。
我强烈推荐这门课程！无论你是想在数据科学领域获得一席之地，还是对体育赛事投注感兴趣，这门课程都能满足你的需求。
课程主页: https://www.coursera.org/learn/prediction-models-sports-data