!pip install pandas
!pip install scikit-learn
!pip install matplotlib


import pandas as pd

# Načtení datasetu
data = pd.read_csv('football_data.csv')

# Výběr relevantních atributů
features = ['AvgGoalsPerGame', 'GoalsFor', 'GoalsAgainst', 'Points']

# Rozdělení dat na trénovací a testovací sady
from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(data[features], data['Result'], test_size=0.2, random_state=42)

# Vytvoření Random Forest modelu
from sklearn.ensemble import RandomForestClassifier

rf = RandomForestClassifier(n_estimators=100, random_state=42)

# Trénování modelu
rf.fit(X_train, y_train)

# Vyhodnocení modelu na testovacích datech
from sklearn.metrics import accuracy_score

y_pred = rf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)

print(f'Úspěšnost modelu: {accuracy*100:.2f}%')