MLB2021赛季球员数字化参与度预测训练集
数据来源：互联网公开数据
标签：MLB,棒球,球员参与度,数字化分析,机器学习竞赛,预测模型,数据挖掘
数据概述：
本数据集来源于MLB Player Digital Engagement Forecasting竞赛的train.csv文件，通过代码对原始数据中的嵌套字段进行了展开处理，生成了多个独立的CSV文件。数据集包含2021赛季球员及其团队的详细信息，覆盖了比赛数据、球员参与度、事件记录、交易信息、阵容配置、排名情况、社交媒体影响力等多个维度。具体文件包括：
- 比赛数据（train_games.csv）
- 球员次日参与度（train_eng.csv）
- 事件记录（train_events.csv）
- 交易信息（train_trans.csv）
- 队伍阵容（train_roster.csv）
- 排名情况（train_stand.csv）
- 社交媒体影响力（train_ttwitter.csv, train_ptwitter.csv）
- 比赛表现（train_tbox.csv, train_pbox.csv）
- 奖项数据（train_awards.csv）
数据用途概述：
该数据集适用于分析球员数字化参与度的影响因素、预测球员参与度趋势、优化球队运营策略等场景。研究人员可利用数据探索球员表现与参与度之间的关系；企业与机构可基于数据优化营销策略，提升球员与粉丝互动效果；数据科学家可将其用于构建预测模型，评估影响参与度的关键因素；教育领域可将其作为案例数据，用于数据挖掘与机器学习教学。
