随着足球运动在世界范围内的风靡,职业足球联赛经过多年的蓬勃发展,逐渐形成了以欧洲五大联赛为代表的足球产业链,进一步地带动了世界范围内各国足球产业的发展。现如今,足球不仅仅是一项运动,其背后更是蕴藏着非常巨大的经济效益。而球员的身价一直都是球迷热议的话题,足球运动员无疑是职业足球俱乐部最为重要的投资,足球俱乐部中的明星球员不仅可以凭借其个人出色的球技为俱乐部赢得比赛的胜利,而且还可以通过其人气和影响力在各方面为俱乐部及其个人带来收益。因此如何正确、准确地评估职业球员的身价,对俱乐部、球员乃至对世界足球的发展都是一个十分重要的课题。本文采用机器学习的方法对职业球员的身价进行研究,主要内容包含爬取数据、模型构建、影响因素分析三方面。研究球员的身价,首先面对的问题就是数据获取,本文使用爬虫技术,批量获取了18-19赛季欧洲五大联赛及中超联赛俱乐部所有球员完整的赛季信息,为研究提供了数据支持。对球员身价模型的构建是研究的关键所在,本文首先采用GBDT算法对欧洲球员身价模型进行了构建,而后进一步提出了改进方案,使用分类与回归相结合、聚类与回归相结合的方法优化了模型。以欧洲为标准,采用欧洲球员身价模型对中超球员身价进行身价预测,发现预测结果并不理想。为分析中超联赛中存在的问题,构建了中超球员身价模型,并与欧洲球员身价模型进行对比,找出二者之间的差异。研究以欧洲职业联赛作为参考进行对比分析,结果显示球员的年龄、评分、组织能力和进攻能力是欧洲以及中超职业球员身价的关键影响因素,与欧洲职业联赛相比,中国职业足球联赛机制和球员训练等方面存在不完善之处,据此为中超球员以及俱乐部提出合理化建议。