我是否有足够的数据来进行可靠的分析？

Question

我有一个包含2012-13 / 2016-17赛季比赛数据的NBA游戏数据集，其中包括我一直在构建的带有6000余行的季后赛标记为2013-2017季后赛，看起来像这样。

                  Date                 Visitor  V_PTS                  Home  \
25 2012-11-03 19:00:00        Sacramento Kings     98        Indiana Pacers   
26 2012-11-03 19:00:00    New Orleans Pelicans     89         Chicago Bulls   
27 2012-11-03 19:00:00          Boston Celtics     89    Washington Wizards   
28 2012-11-03 19:00:00  Portland Trail Blazers     95       Houston Rockets   
29 2012-11-03 19:30:00         Toronto Raptors    100         Brooklyn Nets   
30 2012-11-03 19:30:00       Charlotte Hornets     99      Dallas Mavericks   
31 2012-11-03 19:30:00   Golden State Warriors    114  Los Angeles Clippers   

    H_PTS  Attendance                     Arena                 Location  \
25    106       18165   Bankers Life Fieldhouse    Indianapolis, Indiana   
26     82       21758             United Center        Chicago, Illinois   
27     86       20308         Capital One Arena         Washington, D.C.   
28     85       18140             Toyota Center           Houston, Texas   
29    107       17732           Barclays Center       Brooklyn, New York   
30    126       19490  American Airlines Center            Dallas, Texas   
31    110       19060            Staples Center  Los Angeles, California   

    Capacity Yr Arena Opened   Season  H_Allstars  V_Allstars  V_wins  \
25     17923            1999  2012-13           1           0       0   
26     20917            1994  2012-13           2           0       1   
27     20356            1997  2012-13           0           2       0   
28     18055            2003  2012-13           1           1       1   
29     17732            2012  2012-13           1           0       0   
30     19200            2001  2012-13           0           0       1   
31     19060            1999  2012-13           2           1       1   

    V_losses  H_wins  H_losses  V_WPercent  H_WPercent  
25         2       1         1         0.0         0.5  
26         1       2         0         0.5         1.0  
27         2       0         1         0.0         0.0  
28         1       2         0         0.5         1.0  
29         1       0         0         0.0         0.0  
30         0       1         1         1.0         0.5  
31         1       2         0         0.5         1.0 

我并不是想做任何激烈的事情，而是试图找出对合理的准确性有影响/预测球队出勤率的因素。 您是否建议添加其他任何预测变量？ 您将如何建议探索数据以获取见识，以及如果有任何ML软件包可能有用的类型，您将如何建议。 我的第一个个人项目，因此感谢所有建议/示例。

更新：

经过一番快速探索和逐步浏览之后，我遇到了有关容量百分比填充的相关矩阵。 我可能是错的，但是这些数字似乎很低吗？ 每个团队是否都太具体了，我可能需要关注那些没有持续售罄的团队，或者我是否应该考虑一些变量，这可能与过去的出勤历史有关？

Answer 1

我会考虑添加一些功能：

1. 家庭和访客超级巨星。 我知道您拥有所有的恒星，但是超级巨星则有些不同。 例如：勒布朗对德玛·德罗赞（Demar Derozan）。 他们俩都是超级巨星，但是更多的人可能会去看勒布朗而不是戴玛。 但是，将所有这些加在一起并确定谁是超级巨星将是非常痛苦的。

2. 您可能要考虑竞争。 由于各支球队的历史，波士顿vs洛杉矶（湖人）一直都是抢购对象。

3. 季票持有者的数量可能会或可能不会影响计数。 我很想看看那是否有分量。

其中一些不太重要。 我会考虑摆脱比赛成绩，因为那是比赛结束时发生的事情，而出勤率与门票销售有关（比赛开始之前）。 看起来您确实有大量的数据可以使用。 显然，它将成为监督模型。 看起来回归将是您想要用于模型的东西。