기계 학습 알고리즘이 스포츠 점수 또는 경기를 예측할 수 있습니까?


40

나는 좋은 N- 프로젝트를 만들 것으로 생각되는 다양한 NFL 데이터 세트를 가지고 있지만 아직 아무것도하지 않았습니다.

이 사이트를 방문하면 기계 학습 알고리즘을 생각하게되었고 축구 경기의 결과를 예측하거나 다음 경기에서 얼마나 좋은지 궁금합니다.

3 위와 1 위에서 이론상으로 강한 런백을 한 팀 은 그러한 상황에서 볼을 돌리는 경향이 있어야 할 것으로 보입니다 .

스코어링은 예측하기가 더 어려울 수 있지만 우승 팀은 그렇지 않을 수 있습니다.

내 질문은 이것들이 기계 학습 알고리즘에 던질 좋은 질문인지 여부입니다. 수천 명의 사람들이 전에 그것을 시도했을 수도 있지만 스포츠의 본질로 인해 신뢰할 수없는 주제가되었습니다.

답변:


18

풋볼 (일반적으로 스포츠)에 관한 많은 좋은 질문들이 알고리즘을 던져서 나오는 것을 보는 것이 좋을 것입니다. 까다로운 부분은 알고리즘에 던질 것을 아는 입니다.

예를 들어 RB가 좋은 팀은 상대 팀이 달리기를 기대할 수 있기 때문에 3rd & short를 통과 할 수 있습니다. 따라서 실제로 가치있는 결과를 얻기 위해 문제를 작은 조각으로 나누고 통계적으로 분석하여 기계에 던질 것입니다.

동일한 작업을 시도하는 몇 가지 (좋은) 웹 사이트가 있으므로 체크 아웃하고 찾은 모든 것을 사용해야합니다.

스포츠 데이터 분석을 실제로보고 싶다면 슬론 스포츠 컨퍼런스 비디오를 반드시 확인해야 합니다. 유튜브에는 많은 것들이 퍼져 있습니다.


13

예. 왜 안돼?! 각 게임의 각 스포츠에 많은 양의 데이터가 기록되므로 스마트 한 데이터 사용으로 플레이어 성능에 대한 중요한 통찰력을 얻을 수 있습니다.

몇 가지 예 :

그렇습니다. 선수 기록의 통계 분석을 통해 어떤 선수가 더 많은 성과를 낼 수 있는지에 대한 통찰력을 얻을 수 있습니다 . 따라서 통계 분석의 사촌 인 기계 학습은 게임 체인저가 될 것입니다.


9

확실히 그들은 할 수 있습니다. 나는 당신에게 좋은 종이 를 목표로 할 수 있습니다 . 일단 축구 리그 결과 예측 알고리즘 구현에 사용하면 주로 북 메이커에 대한 가치를 목표로합니다.

종이의 초록에서 :

리그 내 모든 팀의 시간 의존 기술을 추정하고 다음 주말 축구 경기를 예측하는 베이지안 동적 일반화 모델.

키워드 :

동적 모델, 일반화 된 선형 모델, 그래픽 모델, Markov Chain Monte Carlo 방법, 축구 경기 예측

소환:

Rue, Havard 및 Oyvind Salvesen. "리그에서 축구 경기의 예측 및 소급 분석." 왕립 통계 학회지 : 시리즈 D (통계 학자) 49.3 (2000) : 399-418.


7

기계 학습 및 통계 기법은 예측을 향상시킬 수 있지만 실제 결과는 아무도 예측할 수 없습니다.

몇 달 전에 2014 NCAA 토너먼트를 예측하는 경쟁이있었습니다 . 경쟁 포럼을 읽고 사람들이 한 일과 그들이 달성 한 결과에 대한 더 나은 아이디어를 얻을 수 있습니다.


7

스포츠 학습 결과를 예측하기 위해 머신 러닝 기술을 적용 할 수 있다는 것이 이미 입증되었습니다. 간단한 Google 검색으로 많은 결과를 얻을 수 있습니다.

그러나 베팅 정보를 활용하여 매우 복잡한 예측 모델, 간단한 예측 모델, 질문하는 사람 또는 크라우드 지식이 모두 비슷하거나 덜 유사한 것으로 나타났습니다 (NFL btw의 경우). 출처 : " 당신이 답을 알고 나면 모든 것이 명백하다-어떻게 상식이 실패하는지 ", 7 장, Duncan Watts.


흥미 롭군 내가 질문 한 이유는 "도박꾼의 오류"(혹은 gf 자체)와 비슷한 것이 있는지 궁금했기 때문입니다. 나는 결실이없는 사업으로 이미 증명되었을 가능성이 있다고 생각했습니다. 여전히-이 다른 답변은 흥미 롭습니다.
Steve Kallestad 2018 년

6

Michael Maouboussin은 자신의 저서 "성공 방정식"에서 스포츠를 포함한 다양한 노력의 기술과 운을 차별화하는 것을보고있다. 그는 실제로 다른 스포츠의 퍼포먼스에 기여하는 행운의 양에 의해 스포츠의 순위를 매기고 (p. 23) 축구에서 약 2/3의 퍼포먼스는 기술에 기인합니다. 대조적으로, 나는 MM의 기술을 사용하여 Formula 1 경주에서 성능을 분석했으며 60 %가 기술에 기인 한 것으로 나타났습니다.

즉, 이러한 종류의 분석은 충분히 상세하고 정교한 기능 세트가 ML 알고리즘이 영향으로 인해 상당한 차이가 여전히 존재한다는 경고와 함께 NFL 팀의 성과를 아마도 플레이 레벨까지 예측할 수 있음을 의미하는 것으로 보입니다. 게임에서 행운의.




5

그들은 예측할 수 없지만 가장 가능성있는 결과를 알려줄 수 있습니다. 에서 이런 종류의 접근법에 대한 연구있다 에티엔 느 - 예측은 누가 윌 승리 볼프람 언어와 월드컵 . 이것은 매우 상세한 연구이므로 예측을 얻는 데 사용 된 모든 방법론을 확인할 수 있습니다.

흥미롭게도 15 경기 중 11 경기가 맞았습니다!

예상대로 브라질이 42.5 %의 승리 확률로 가장 선호됩니다. 이 놀라운 결과는 브라질이 엘로 순위가 가장 높고 집에서 활약한다는 사실 때문입니다.

(브라질 가자!)


3

많은 사람들이 자신의 답변에서 예측할 수있는 것들이 무엇인지 강조했습니다. 이제 딥 러닝에 대한 관심으로 RNN (예 : LSTM)을 사용하여 시간을 기준으로하는 스포츠 문제의 결과를 예측할 수 있습니다. 이들은 최첨단이며 전통적인 모델을 이겼습니다.

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.