购买手机网站推荐,网站的首页怎么做,网站建设的指标,在哪个网站做跨境电商看到kaggle、medium上有不少人用球队的历史数据来进行建模预测#xff0c;比如用到泊松分布、决策树、逻辑回归等算法#xff0c;很大程度上能反映强者恒强的现象#xff0c;比如巴西、英格兰等大概率能进8强#xff0c;就像高考模拟考试成绩越好#xff0c;大概率高考也会…看到kaggle、medium上有不少人用球队的历史数据来进行建模预测比如用到泊松分布、决策树、逻辑回归等算法很大程度上能反映强者恒强的现象比如巴西、英格兰等大概率能进8强就像高考模拟考试成绩越好大概率高考也会考得好。
这个和人脑的预测是类似的建立在你看了足够多的球赛对每一个国家队、球员、教练、打法等都了如指掌你才能有充分的判断依据。而且你还不能带有主观的倾向意大利球迷肯定笃定意大利能夺冠但他们在预选赛就被淘汰了。
但是阿根廷输沙特、德国输日本这样的黑天鹅事件不管是AI还是人脑都是没法预测的否则真成预言者了。买阿根廷、德国赢的人其实是选择了大概率事件但并没有发生他们的决策其实是对的。
因为世界杯比赛有很多变动因素比如裁判规则、球员伤退、排兵布阵甚至当地环境、食宿也都会有影响所以在进行AI预测的时候需要有很多维度的数据进行综合分析单单从球队的历史成绩来判断肯定是对准确率会有影响。
这其实是有贝叶斯定理的逻辑在里面大胆假设小心求证。
说了一大堆还没讲如何用AI来预测。我前几天在kaggle看到过一个博主用了GBM梯度提升算法它通过求损失函数在梯度方向下降的方法层层改进。
大概描述下步骤
1、数据准备。
该项目用了【FIFA 1992-2022世界排名】、【1872-2022国家队比赛结果】两个数据集。通过数据预处理对两个数据源进行连接 2、特征工程。
列出对预测比赛结果有影响的特征字段共37个。特征选取主要根据历史经验、直觉判断比如过去的比赛积分、过去的进球和损失、比赛的重要性、球队排名、团队排名提升等等。 接着要对各个特征进行相关性检测判断对预测是否有帮助如果没有帮助的特征则直接剔除。最后留下11个最重要的特征用来建模分析。 3、建立模型。
数据处理了接下来是通过机器学习模型对数据进行训练然后得出预测结果。
这里用了梯度提升和决策树两个算法最终选recall最高的博主测试后选择了梯度提升算法。
算法具体使用操作方法如下 4、预测世界杯比赛。
搭建好模型就可以把世界比赛的对阵数据放到模型里进行预测。最终算出来小组赛、十六强赛、八强赛、四强赛、总决赛的得分情况。
从目前看预测结果其实还是复制历史经验小组出线情况基本和世界排名情况一致没有超乎人的经验范围。对于黑马、黑天鹅并没有什么预测能力。 其他预测结果就不一一展示了哦最后好像预测是巴西夺冠概率较大。
总之AI预测世界杯其实是对历史数据的归纳总结而且完全依赖数据的喂养能给出相对概率。
这和人的直觉一样你觉得巴西会夺冠肯定有一些过往的事实验证了你的直觉不然就是瞎猜了。
