NBA比赛作为全球最具影响力的体育赛事之一,备受篮球爱好者喜爱和关注。随着大数据技术的不断发展,数据获取和整理较以往更加容易快捷,在获得充足数据的基础上通过数据挖掘算法预测体育比赛结果也已成为现在体育赛事重要的研究方向之一。但目前在大数据背景下数据挖掘技术在体育行业的应用还在探索阶段,存在着现有预测模型应用较少和准确率低等问题。根据篮球比赛结果只有胜负之分,本文将篮球比赛预测作为一个二分类问题,提出一种利用支持向量机模型对篮球比赛预测的方法,相较于现有应用模型,具有更高的预测准确率。首先,通过爬虫技术下载NBA数据网站2010-2018年每一赛季常规赛和季后赛每场比赛数据,对数据进行特征构造和预处理后作为模型预测数据;然后,根据支持向量机理论,不同核函数和模型参数都对支持向量机性能产生重要影响,并且目前针对核函数选择方法上还没有系统的理论依据,所以本文提出通过测试四种常见核函数的结果选择核函数,最终选择测试准确率较高的径向基核函数作为本文支持向量机模型的核函数;最后,对于模型参数选择问题,本文通过测试三种不同优化算法的结果,最终选择效率和测试准确率较高的遗传算法作为本文的参数优化算法。根据选择径向基核函数和遗传算法作为本文支持向量机模型的核函数和参数寻优方法,对2010-2018每一赛季季后赛进行预测,预测平均准确率达到了70%以上,并将结果与logistic算法、朴素贝叶斯算法、K近邻算法进行对比,发现基于支持向量机模型的NBA赛事预测相较于其他算法具有更高的准确率,此方法具有一定的可行性。