大学フットボールカンファレンスの再編成 – Pythonにおける探索的データ分析

大学フットボールカンファレンスの再編成 - Pythonにおけるデータ分析

私の一番好きな季節、秋がやってきました。それは大学のフットボールの時期です。私はいつも大学スポーツが大好きでした。育ちながら、私はBig Ten/SECの家庭とBig East（現在のACC）の町に住んでいましたので、8月の最初のキックオフから4月の最後のブザービーターまで、テレビ画面は大学スポーツの嵐でした。最近、分析が両方のスポーツを支配するようになりましたが、今はフットボールのシーズンですので、そこから始めましょう。

最後の2つのオフシーズンは、NIL、トランスファーポータル、カンファレンス再編成のニュースで賑わっていました。私はほとんどのファンがドクターペッパーの「カオスがファンズビルにやってくる」のCMで表現されている感情を持っていると思います。特にカンファレンス再編成についてのあらゆる会話は、憶測に満ち、直感に燃料を注がれていました。しかし、どこかに偉大で強力な大学フットボールのオズがいて、どのチームをどのカンファレンスに加えるべきかを決定するための数値を分析しているという共通の信念がありました。私はまだカーテンの後ろにいるこの人に会う機会がありませんでしたので、それまでにデータに基づいたカンファレンス再編成の提案を試みたいと思います。

これは4部構成のブログで、新しいデータサイエンスのツールを楽しく学ぶための手助けになることを願っています：

1. Pythonによる大学フットボールのカンファレンス再編成 – 探索的データ分析
2. Pythonによる大学フットボールのカンファレンス再編成 – 回帰
3. Pythonによる大学フットボールのカンファレンス再編成 – クラスタリング
4. Pythonによる大学フットボールのカンファレンス再編成 – node2vec

この投稿に先立ち、探索的データ分析を実行するための多くの方法がありますので、ここではカンファレンス再編成に関連するいくつかのメソッドのみをカバーします。

• 『nnU-Netの究極ガイド』
• Google DeepMindの研究者たちは、RT-2という新しいビジョン・言語・行動（VLA）モデルを紹介しましたこのモデルは、ウェブデータとロボットデータの両方から学習し、それを行動に変えます
• 「データフレームのマージに使用される3つのPandas関数」

データ

私はウェブ上で集めた情報源を使用して独自のデータセットを構築するための時間を取りました。これらのデータには、各FBSプログラムに関する基本的な情報、すべての大学フットボールのライバル関係の非正規の近似、スタジアムのサイズ、歴史的な成績、APトップ25ポールへの頻度の出演、学校がAAUまたはR1機関であるかどうか（Big TenやPac 12へのメンバーシップにおいて歴史的に重要）、NFLドラフトピックの数、プログラム収益に関するデータなどが含まれています…

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!