这是我最喜欢的时候：秋天，也就是大学橄榄球赛的时间。我一直都喜欢大学体育。在我成长的过程中，我生活在一个大十/东南联盟的家庭和一个大东（现在是大西洋沿岸联盟）的城镇，这意味着从八月的第一次开球到四月的最后一次绝杀，电视屏幕上都会充满大学体育的画面。最近，分析学在两项体育运动中都占据了主导地位，但由于现在是足球季节，让我们从足球开始。
过去两个大学体育的淡季充斥着NIL、转会门户和会议重组的新闻。我认为大多数球迷的情绪都被Dr. Pepper的“混乱来到Fansville”的广告所捕捉到。我开始注意到，关于会议重组的每一次对话都充满了推测，并且被直觉所推动。然而，有一个共同的信念，即某个伟大而强大的大学橄榄球奥兹人正在计算数据，以决定哪个球队值得加入哪个联盟。我还没有机会见到幕后人物，所以在那之前，我想尝试提出一个以数据驱动的会议重组方案。
这是一个由四部分组成的博客，希望能作为学习一些新的数据科学工具的有趣方式：
- 大学橄榄球会议重组 —— Python中的探索性数据分析
- 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
我要在这篇文章之前声明，进行探索性数据分析有很多方法，所以我只会在这里介绍一些与会议重组相关的方法。
数据
我花时间使用我从网络上收集的信息来构建自己的数据集。这些数据包括关于每个FBS计划的基本信息，所有大学橄榄球的非正统近似值，体育场规模，历史表现，频繁出现在AP排名前25名的次数，学校是否是AAU或R1机构（对于加入大十和太平洋12大联盟具有历史重要性），NFL选秀的数量，关于项目收入的数据…