欢迎来到这个关于会议重组的系列的第三部分！这是我们将开始使用数据集来决策重组的博客文章。有一个普遍的抱怨是，会议重组破坏了传统的对抗和大学橄榄球的区域性。大学体育往往具有区域特色。甚至在会议的名字中都有体现：太平洋12、大西洋海岸、东南和大东部会议等等。当我们包括FCS时，一些会议甚至更具体，如俄亥俄河谷会议。当然，FBS中的区域性会议的日子早已过去。在过去的几天里，看起来太平洋12可能也成为过去的遗迹。
这个系列分为四个部分（对其完整动机可以在第一部分中找到）：
- 大学橄榄球会议重组-使用Python进行探索性数据分析
- 大学橄榄球会议重组-回归
- 大学橄榄球会议重组-聚类
- 大学橄榄球会议重组-node2vec
希望本系列的每个部分都能为您提供对大学橄榄球这个心爱游戏未来的新视角。对于那些没有阅读第1或第2部分的人，快速概述一下，我创建了自己的数据集，从网络各处收集了基本信息。这些数据包括每个FBS项目的基本信息、所有大学橄榄球对抗的非规范近似、体育场规模、历史表现、频繁出现在AP前25名的次数、学校是否为AAU或R1机构（对于加入大十和太平洋12来说历史上很重要）、NFL选秀选手数量、2017-2019年的项目收入数据以及大学橄榄球球迷群体规模的最新估计。在第1部分中，我们发现有几个特征与球迷群体规模强相关，因此在第2部分中，我们开发了线性回归和随机森林回归模型来预测球迷群体规模。
聚类
我写这篇文章的动机是：如今的会议是建立在传统核心上的。你可以把它们想象成一块新的计算机硬盘驱动器。以区域会议的连续方式清晰地组织在一起…