กลไกการเรียนรู้ของเครื่องสามารถทำนายผลคะแนนหรือการเล่นกีฬาได้หรือไม่?

ฉันมีชุดข้อมูล NFL ที่หลากหลายซึ่งฉันคิดว่าอาจทำผลงานได้ดี แต่ฉันยังไม่ได้ทำอะไรกับพวกเขา

การมาที่ไซต์นี้ทำให้ฉันนึกถึงอัลกอริธึมการเรียนรู้ของเครื่องจักรและฉันสงสัยว่าพวกเขาจะดีแค่ไหนในการทำนายผลของเกมฟุตบอลหรือแม้แต่การเล่นครั้งต่อไป

สำหรับฉันแล้วดูเหมือนว่าจะมีแนวโน้มบางอย่างที่สามารถระบุได้ - ในวันที่ 3 และ 1 ทีมที่มีการวิ่งกลับที่แข็งแกร่งในทางทฤษฎีควรมีแนวโน้มที่จะเล่นบอลในสถานการณ์นั้น

การให้คะแนนอาจยากต่อการทำนาย แต่ทีมที่ชนะอาจเป็น

คำถามของฉันคือคำถามเหล่านี้เป็นคำถามที่ดีหรือไม่สำหรับการเรียนรู้ด้วยอัลกอริทึม อาจเป็นไปได้ว่ามีคนหลายพันคนทดลองใช้มาก่อน แต่ลักษณะของกีฬาทำให้เป็นหัวข้อที่ไม่น่าเชื่อถือ

มีคำถามที่ดีมากมายเกี่ยวกับฟุตบอล (และกีฬาโดยทั่วไป) ที่ยอดเยี่ยมมากในการใช้อัลกอริทึมและดูว่ามีอะไรเกิดขึ้นบ้าง ส่วนที่ยุ่งยากคือการรู้ว่าจะโยนอัลกอรึทึมได้อย่างไร

ทีมที่มี RB ที่ดีสามารถส่งผ่านอันดับที่ 3 และสั้นได้เพียงเพราะฝ่ายตรงข้ามอาจคาดหวังว่าจะวิ่ง ดังนั้นเพื่อให้ได้ผลลัพธ์ที่น่าพึงพอใจจริงๆฉันจะแบ่งปัญหาเป็นชิ้นเล็ก ๆ และวิเคราะห์เชิงสถิติในขณะที่ขว้างพวกเขาไปที่เครื่อง

มีเว็บไซต์ (ดี) สองสามแห่งที่พยายามทำเช่นนั้นคุณควรตรวจสอบและใช้สิ่งที่พบเพื่อช่วยคุณ:

• ฟุตบอลคนนอก
• การวิเคราะห์ฟุตบอลขั้นสูง

และหากคุณต้องการสำรวจการวิเคราะห์ข้อมูลกีฬาอย่างแท้จริงคุณควรตรวจสอบวิดีโอของSloan Sports Conferenceอย่างแน่นอน มีจำนวนมากแพร่กระจายใน Youtube

ใช่. ทำไมจะไม่ล่ะ?! ด้วยการบันทึกข้อมูลจำนวนมากในแต่ละกีฬาในแต่ละเกมการใช้ข้อมูลอย่างชาญฉลาดอาจทำให้เราได้รับข้อมูลเชิงลึกที่สำคัญเกี่ยวกับประสิทธิภาพของผู้เล่น

ตัวอย่างบางส่วน:

• เบสบอล : ในภาพยนตร์ Moneyball (ซึ่งเป็นการดัดแปลงหนังสือ Moneyball) แบรดพิตต์เล่นเป็นตัวละครที่วิเคราะห์สถิติผู้เล่นเพื่อให้เกิดทีมที่ทำผลงานได้ดีมาก! มันเป็นภาพของเรื่องราวในชีวิตจริงของทีมเบสบอลโอคแลนด์กรีฑา สำหรับข้อมูลเพิ่มเติมhttp://www.theatlantic.com/entertainment/archive/2013/09/forget-2002-this-years-oakland-as-are-the-real-em-moneyball-em-team/279927/
• คริกเก็ต : SAP Labs ได้เกิดขึ้นกับเครื่องมือการวิเคราะห์การประมูลที่ได้ให้ข้อมูลเชิงลึกเกี่ยวกับผู้เล่นผลกระทบที่จะซื้อในปี 2014 การประมูลอินเดียพรีเมียร์ลีกสำหรับทีมไรเดอโกลกาตาอัศวินซึ่งในที่สุดก็จะชนะ IPL 2014 แชมป์ สำหรับข้อมูลเพิ่มเติมhttp://scn.sap.com/community/hana-in-memory/blog/2014/06/10/sap-hana-academy-cricket-demo--how-sap-hana-powered-the -kolkata-อัศวินขี่ม้าไป IPL แชมป์

ดังนั้นใช่แล้วการวิเคราะห์เชิงสถิติของบันทึกผู้เล่นสามารถให้ข้อมูลเชิงลึกแก่เราว่าผู้เล่นคนไหนมีแนวโน้มที่จะแสดง แต่ไม่ใช่ผู้เล่นคนไหนที่จะแสดง ดังนั้นการเรียนรู้ของเครื่องลูกพี่ลูกน้องของการวิเคราะห์ทางสถิติจะพิสูจน์ให้เป็นผู้เปลี่ยนเกม

พวกเขาสามารถทำได้อย่างแน่นอน ฉันสามารถกำหนดเป้าหมายคุณกับกระดาษที่ดี เมื่อฉันใช้มันสำหรับการปรับใช้อัลกอริทึมการทำนายผลฟุตบอลลีกส่วนใหญ่มุ่งที่จะมีค่าบางอย่างกับเจ้ามือ

จากนามธรรมของกระดาษ:

แบบจำลองทั่วไปแบบเบย์แบบไดนามิกเพื่อประเมินทักษะการพึ่งพาเวลาของทุกทีมในลีกและเพื่อทำนายการแข่งขันฟุตบอลในสัปดาห์หน้า

คำสำคัญ:

โมเดลไดนามิก, โมเดลเชิงเส้นทั่วไป, โมเดลกราฟิก, วิธีมาร์คอฟเชนมอนติคาร์โล, การทำนายผลการแข่งขันฟุตบอล

อ้างอิง:

Rue, Havard และ Oyvind Salvesen "การทำนายและวิเคราะห์ย้อนหลังการแข่งขันฟุตบอลในลีก" วารสารสมาคมสถิติ: แบบ D (นักสถิติ) 49.3 (2000): 399-418

การเรียนรู้ด้วยเครื่องและเทคนิคทางสถิติสามารถปรับปรุงการพยากรณ์ได้ แต่ไม่มีใครสามารถทำนายผลลัพธ์ที่แท้จริงได้

เมื่อไม่กี่เดือนที่ผ่านมามีการแข่งขันที่ต่ำมากเกี่ยวกับการคาดการณ์การแข่งขัน NCAA 2014 คุณสามารถอ่านฟอรัมการแข่งขันเพื่อให้ได้แนวคิดที่ดีขึ้นเกี่ยวกับสิ่งที่ผู้คนทำและสิ่งที่พวกเขาบรรลุผล

มันได้รับการแสดงก่อนที่จะสามารถใช้เทคนิคการเรียนรู้ของเครื่องเพื่อทำนายผลกีฬา การค้นหา google อย่างง่ายควรให้ผลลัพธ์มากมาย

อย่างไรก็ตามมันยังแสดงให้เห็น (สำหรับ NFL btw) ว่ารูปแบบการทำนายที่ซับซ้อนมากรูปแบบการทำนายง่าย ๆ การตั้งคำถามผู้คนหรือความรู้ฝูงชนโดยใช้ข้อมูลการเดิมพันพวกเขาทั้งหมดทำงานได้ไม่มากก็น้อย แหล่งที่มา: " ทุกอย่างชัดเจนเมื่อคุณรู้คำตอบ - สามัญสำนึกล้มเหลวอย่างไร " บทที่ 7 โดย Duncan Watts

Michael Maouboussin ในหนังสือของเขา "The Equation Equation" ดูความแตกต่างของโชคจากทักษะในความพยายามที่หลากหลายรวมถึงกีฬา จริง ๆ แล้วเขาจัดอันดับกีฬาตามปริมาณของโชคที่ก่อให้เกิดประสิทธิภาพในกีฬาต่าง ๆ (หน้า 23) และประมาณ 2/3 ของประสิทธิภาพการทำงานในฟุตบอลเป็นของทักษะ ในทางตรงกันข้ามฉันใช้เทคนิคของ MM เพื่อวิเคราะห์ประสิทธิภาพในการแข่งรถสูตร 1 และพบว่า 60% นั้นเป็นผลมาจากทักษะ (น้อยกว่าที่ฉันคาดไว้)

ที่กล่าวว่าดูเหมือนว่าการวิเคราะห์แบบนี้จะบ่งบอกว่าชุดคุณลักษณะที่มีรายละเอียดและสร้างขึ้นมาอย่างเพียงพอจะช่วยให้อัลกอริธึม ML สามารถทำนายประสิทธิภาพของทีม NFL ได้แม้กระทั่งในระดับการเล่น ของโชคในเกม

ฉันได้อ่านเกี่ยวกับเรื่องนี้แล้วและมีบล็อกต่อไปนี้อยู่ในใจ:

http://fellgernon.tumblr.com/post/46117939292/predicting-who-will-win-a-nfl-match-at-half-time#.UtehM7TWtQg

บล็อกนี้เกี่ยวข้องกับการทำนายการแข่งขัน NFL หลังจากครึ่งเวลาสิ้นสุดลงแล้ว การทำนายนั้นแม่นยำ 80% ด้วยโมเดล GLM แบบง่าย ๆ

ฉันไม่ทราบว่าเหมาะสมกับฟุตบอลหรือไม่

ฉันได้ทำการวิจัยในเรื่องนี้แล้ว ฉันได้พบคำสั่งแรกของกลุ่มมาร์คอฟแล้วว่าทำงานได้ดีในการทำนายการเปลี่ยนแปลงของคะแนนในกีฬาหลายประเภท

คุณสามารถอ่านรายละเอียดเพิ่มเติมได้ที่นี่: http://www.epjdatascience.com/content/3/1/4

พวกเขาไม่สามารถคาดเดาได้ แต่พวกเขาสามารถบอกคุณได้ถึงผลลัพธ์ที่น่าจะเป็นไปได้มากที่สุด มีการศึกษาเกี่ยวกับวิธีการแบบนี้จากเอเตียน - การทำนายว่าใครจะชนะการแข่งขันฟุตบอลโลกด้วยภาษา Wolframทำนายใครจะชนะในการแข่งขันฟุตบอลโลกกับวุลแฟรมภาษานี่คือการศึกษาอย่างละเอียดมากดังนั้นคุณสามารถตรวจสอบวิธีการทั้งหมดที่ใช้ในการทำนายผล

น่าสนใจมากพอ 11 จาก 15 แมทช์ถูกต้อง!

อย่างที่คาดไว้บราซิลเป็นที่ชื่นชอบและมีความเป็นไปได้ที่จะชนะ 42.5% ผลลัพธ์ที่น่าประทับใจนี้เกิดขึ้นเนื่องจากความจริงที่ว่าบราซิลมีทั้ง Elo อันดับสูงสุดและเล่นที่บ้าน

(ไปบราซิลกันเถอะ!)

ผู้คนจำนวนมากได้เน้นถึงสิ่งที่สามารถทำนายได้ในคำตอบของพวกเขา ตอนนี้ด้วยความหลงใหลในการเรียนรู้อย่างลึกซึ้งคุณสามารถทำได้เช่นใช้ RNN's (พูด LSTM) เพื่อทำนายผลลัพธ์สำหรับปัญหากีฬาที่อิงตามเวลา นี่คือศิลปะและเอาชนะแบบดั้งเดิม