🏀 NBA Game Predictor

Autonomes ML-System das NBA-Spielsieger vorhersagt — Regular Season & Playoffs. Bisschen gespielt muss noch angefeilt werden an der einen oder anderen Ecke, aber reicht vorerst.

Architektur

nba_api  ──→  data_collector.py  ──→  features.py  ──→  model.py  ──→  predictor.py
              (Daten sammeln)        (Feature Eng.)     (XGBoost+LGB)    (Interface)

Modell-Entscheidung: Warum XGBoost und kein Deep Learning?

Modell	Accuracy (NBA)	Trainingszeit	Braucht viele Daten	Empfehlung
XGBoost	~66-68%	Sekunden	Nein (500 Games ok)	✅ Beste Wahl
LightGBM	~65-67%	Sekunden	Nein	✅ Gut als Ensemble
LSTM/RNN	~62-65%	Minuten	Ja (5000+ Games)	⚠️ Nur mit viel Data
DNN	~60-64%	Minuten	Ja	❌ Schlechter
CNN	Nicht geeignet	-	-	❌ Für Bilder
Lineare Reg.	~55-58%	Sofort	Nein	❌ Zu simpel

Fazit: Bei tabellarischen Sportdaten gewinnt Gradient Boosting fast immer gegen DNNs. LSTM lohnt sich als zusätzlicher Input (Formkurve der letzten 10 Spiele).

Features die das Modell nutzt

• Rolling Stats (letzte 10 Spiele): PTS, FG%, 3P%, Rebounds, Assists, Turnovers, +/-
• Win Streak: Aktuelle Sieges-/Niederlagenserie
• Rest Days: Tage seit letztem Spiel (wichtig für B2B Games)
• Home/Away Split: Home-Vorteil ist real (~60% Winrate)
• Head-to-Head: Historische Bilanz der letzten 10 Begegnungen
• Differenz-Features: Home minus Away (zeigt relative Stärke)

Setup

# 1. Installation
pip install nba_api xgboost lightgbm scikit-learn pandas numpy joblib

# 2. Modell trainieren (dauert 2-5 Minuten durch NBA API Rate Limiting)
python predictor.py train

# 3. Vorhersagen für heute/morgen
python predictor.py predict

# 4. Wöchentliches Update (neue Daten + Retrain)
python predictor.py update

Output-Beispiel

──────────────────────────────────────────────────────────
  SPIEL                               TIPP                 CONFIDENCE
──────────────────────────────────────────────────────────

  📅 05/11/2025
  🏀 Miami Heat @ Boston Celtics
  🏆 Sieger: Boston Celtics (71.3%)
  📈 Konfidenz: ✅ HOCH
     Boston Celtics: 71.3%  |  Miami Heat: 28.7%

  📅 05/11/2025
  🏀 Golden State Warriors @ LA Lakers
  🏆 Sieger: LA Lakers (54.1%)
  📈 Konfidenz: 🤷 NIEDRIG (Toss-Up)
     LA Lakers: 54.1%  |  Golden State Warriors: 45.9%

Reale Accuracy-Erwartung

• Zufällig: 50%
• Lineare Regression: 55-57%
• Dieses System: 64-68%
• Vegas Oddsmakers: 67-70%
• Menschliche Experten: 65-68%

Du bist mit diesem System auf Expert-Level. Niemand erreicht zuverlässig >70%.

Automatisierung (Cron Job)

# Jeden Tag um 10:00 Uhr Vorhersagen aktualisieren
0 10 * * * cd /pfad/zum/projekt && python predictor.py predict >> logs/daily.log

# Wöchentlich Sonntags retrain
0 8 * * 0 cd /pfad/zum/projekt && python predictor.py update >> logs/weekly.log

Datei-Struktur

nba_predictor/
├── predictor.py        # Hauptinterface (hier starten)
├── datacollector.py   # NBA API Wrapper
├── features.py         # Feature Engineering
├── model.py            # XGBoost Ensemble
├── README.md
├── data/
│   ├── raw_games.csv   # Rohdaten
│   ├── features.csv    # Feature Matrix
│   └── predictions.json # Letzte Vorhersagen
└── models/
    ├── nba_model.pkl   # Trainiertes Modell
    └── metrics.json    # Model Performance