决策树有很多优点，最大的一个优点就是易于理解和实现，在学习过程中不 需要使用者了解很多的背景知识，使用者都有能力去理解决策树所表达的意义； 对于决策树，数据的准备是简单或者是不必要的，而且可以同时处理数据型和常 规型属性的数据，在相对短的时间内能够对大型数据源分析并给出可行且效果良 好的结果；如果给定一个观察的模型，那么根据所产生的决策树很容易推出相应 的逻辑表达式。

利用决策树算法来预测篮球联赛的获胜者，我们需要对数据进行处理，但这 样的话数据不易恢复，所以，我们的决策树算法是基于使用 python 的，利用 python 来提取特征给决策树以判断依据。

虽然决策树算法简单易懂，受大众的欢迎，但还有许多方面都存在着不足， 需要进一步研究。例如，提高决策树的精度；对有时间顺序的数据，简化或减少 预处理的工作；简化对连续性的字段预测；适当的决策树规模的研究，树的规模 越小，知识越简洁，越容易理解和使用，但预测精度并不是越高；处理海量的数 据集，因为数据挖掘往往面临的数据都是海量的，且对数据的实时性要求很高； 增量式算法；与其它方法的结合，往往只靠单一的一种算法来处理数据容易出现 问题，且一旦数据量较大时，效率就会难以提高，现在已有许多把决策树方法同 关联规则方法、贝叶斯方法、神经网方法、粗糙集方法、支持向量机方法等相结 合的研究，此外，与用户交互等方面也需要进一步的研究。

2。 NBA 的网络资源

Basketball-Reference。com：这是采集历史数据的最佳资源获取处。该网站主要是以 球员、球队、教练、联盟、奖项、季后赛、选秀、全明星等项目为索引给出相关数据；各索 引项目之间相互关联，形成了内容全面、脉络清晰的数据体系。文献综述

Basketball Prospectus。com：这个网站提供了关于各大学篮球（包括 NBA）的前沿分 析结论。

82games。com：这是利用各种在线的资源，总结出的详细的统计数据。其中最引人注 目的是+/-评价系统，除此之外，该网站提供很多作者各自的不同观点。

Knicker Blogger。net Stats Pages：该网站主要提供近期统计的数据，囊括了 Oliver

的球队因素数据分析、Hollinger 的样式统计以及每 40 分钟统计的数据等。

APBRmetrics Forum：最早的篮球比赛统计论坛，在这里，很多篮球比赛统计爱好者 将自己的分析研究结果发表出来，与志同道合者一起探讨和分享彼此的成果。论坛讨论的内 容涉及到球员的战术分析、球员的私生活情况、球员的工资问题等。

Dougstats。com：这个网站提供了实时更新的统计数据。这里提供的数据能可以极容 易导入 Excel 中。网站主要提供的是球队中不同位置的防守数据。