第一天
獲取資料csv檔案
分析資料 預判勝利的隊伍有多大的獲勝概率
比賽情況比賽特徵+elo等級分
機器學習 判斷勝利 **
第二天：
閱讀**，記錄基本流程，理順資料1的思路
關於最好的結果：能夠更準確地驗證2023年（測試集）的，準確率》70%，能夠準確**2023年，準確率》70
問題1：同樣的資料，同樣的模型，如何適應差別很大的兩年？
maybe可以支援球員的調整（輸入球員調整，例如《詹姆斯，湖人》，對資料表進行修改），在此基礎之上**
問題2：資料組成是球隊往年資料和球員，具體如何安排特徵向量？是進行不同權重的組合，還是？
其實往年資料就是球員的整體資料，球員的新資訊應該是變動（傷病，跳槽）帶來的，應該是球員按照一定標準打分，再加入作為乙個和elo並列的向量/或者按一定的標準和elo按不同權重組合得到新的數值進行回歸。
問題3：一定要用回歸？用分類的方法可以嗎
母雞 要查一查
第三天：無進展
第四天：
自頂向下需求列舉
根據常規賽**季後賽八支球隊
資料
需要資料：
三年常規賽：勝負資料報括勝負（got）,（elo需要三個表，自己，對手，綜合）（not），可驗證資料（not）
球員個人資料：各項指標
資料處理：
選擇資料的組合運用方式
建模
根據季後賽**前八排名
ai基本輸出
請問本賽季是否有球員變動（傷病/改簽）？y/n
請輸入傷病的球員數：n
請輸入傷病的球員名：xx yy
請輸入改簽的球員數：m
請輸入改簽的球員名和新籤的球隊：zz abc
收到修改資料，ai現在開始**
進入季後賽的東部前八是：
進入季後賽的西部前八是：
ai**這十六支隊伍的最後排名和可能性是：
整理自己的思路，確定影響最大的要素，列出目前所有的可能性（資料選取，模型選擇）
問題1：分類和回歸在什麼情況下使用，最大的區別是什麼？各種分類方法的適合使用在什麼環境。（建模問題）
分類解決離散問題，回歸解決連續問題。
第五天：
蒐集資料，擴充思路，找到更多的方法
開始寫最基本的程式原型，寫好之後調整，討論，修改
總結：這一周整體來說進展很慢，反思一下，應該是工作方式有問題。早上來的晚，有效時間不到三個小時，中間沒有活動和思維轉換，效率很低。下午也是如此，七個小時的時間其實非常毛，強度很小。其實這個專案，一周足矣。關鍵是如何保證效率，一直問自己做到什麼，能學到什麼，耗費時間並不能達到目的，也不能學到東西。
實訓第一周 作品（1）
類說明 完成購物功能，可以增刪改查 屬性 陣列 static string namearr new string 20 商品名稱 pricearr storearr 數量 index陣列的下標方法 增 add string name,double price,int store 輸出全部內容 顯示陣...
個人向 實訓第一周小結
頁面的設計自然是擺在最前面的，自己思考了好久才確定好了設計的風格，腦海裡就是希望能簡潔 可愛 扁平化，因為想要給人是一種比較有 活力 的 所以最後還是選了藍綠色來做主題色，展示部分靜態頁面 再來擺一下自己設計的logo 字型用的是現成的 和預設頭像，還是第一次自用ai按自己的想法畫出了正經的東西，雖...
大三上學期實訓 第一周總結
我們本週商量了一下專案需求，這個專案之前是我再做的，現在新新增了三個隊友，需要把專案在重新熟悉起來。經過本次的商量總結，我們確定了新的介面文件。我是做後台的，對前端不是很熟悉，所以之前的前端寫的很亂。很多地方寫的不優雅，所以這次的主要任務是優化前端 這部分工作由王方良和陳葦如去做，後台部分我和祖佑再...