11

我是一个超级足球迷，对机器学习也很感兴趣。作为我的 ML 课程的一个项目，我正在尝试建立一个模型，根据主队和客队的名字来预测主队获胜的机会。（我查询我的数据集并根据之前的比赛创建数据点这两支球队之间）

我有所有球队几个赛季的数据，但是我有以下问题，我想提出一些建议。 EPL（英超联赛）有 20 支球队在主场和客场比赛（一个赛季总共 380 场比赛）。因此，每个赛季，任何 2 支球队只交手两次。

我有过去 10 多年的数据，导致两个团队有 2*10=20 个数据点。但是我不想超过 3 年，因为我相信球队会随着时间的推移发生相当大的变化（曼城，利物浦），这只会给系统带来更多的错误。

所以这导致每对团队只有大约 6-8 个数据点。但是，对于每个数据点，我确实有几个特征（最多 20 多个），例如两支球队的全场进球、半场进球、传球、射门、黄球、红球等，因此我可以包括最近的形式、最近的主场等特征表格，最近离开表格等

但是，仅使用 6-8 个数据点进行训练的想法对我来说似乎是不正确的。关于如何解决这个问题有什么想法吗？（如果这首先是一个问题，即）

谢谢！

编辑：FWIW，这是我在项目完成时编译的报告的链接。https://www.dropbox.com/s/ec4a66ytfkbsncz/report.pdf 。这不是什么“好”的东西，但我认为我设法引出的一些观察结果非常酷（比如我的预测对德甲联赛非常有效，因为拜仁一直赢得联赛冠军）。

4

3 回答 3

5

这是一个有趣的问题，我认为没有独特的解决方案。但是，如果我处于您的位置，我可以尝试一些小事情。

我分享您关于每节课大约 6-8 分的担忧，因为数据太少而无法建立可靠的模型。所以我会尝试对这个问题进行一些不同的建模。为了为每个班级提供更多数据，而不是 20 个班级，我将只有两个（主场/客场），我会添加两个特征，一个用于主场球队，另一个用于客场球队。在该设置中，您仍然可以预测哪支球队会在主场或客场比赛中获胜，并且您的问题有更多数据来产生结果。

另一个想法是从其他欧洲联赛中获取数据。由于现在球队是一个特征而不是一个类别，它不应该给你的模型增加太多噪音，你可以从额外的数据中受益（假设这些特征在其他联赛中有效）

于 2013-03-20T14:26:13.013 回答
2

我有一些类似的系统 - 源数据的良好基础是 football-data.co.uk。我为每个联赛使用了最后 N 个赛季并建立了一个模型（相信我，3 年以上是必须的！）。取决于您的标准功能 - 如果标准是最合适的或最大的利润，您可以建立自己的预测模型。

一件非常好的事情是每个联赛都是不同的，博彩公司在比利时的热门主场胜率与在第 5 届英格兰联赛中给出的赔率不同，例如，您可以在其中找到真正有价值的赔率。

从中您可以编写有趣的模型，例如在特定比赛中击败庄家的投注技巧，使用您的模式并进行价值投注。或者，您可以尝试尽可能多地追逐获胜技巧，但可能会赚得更少（即使获胜的抽奖数量较少，抽奖也会赚很多钱）。

希望我给了你一些想法，更多请随时提问。

于 2015-02-09T13:22:56.887 回答
1

不知道这是否仍然有用，但像全场进球、半场进球、传球、射门、黄球、红球等功能是您想要分类的新比赛所没有的功能。

我会将其视为分类问题（您希望将匹配分类为 3 个类别之一：1、X 或 2）并添加更多功能，您也可以将这些功能应用于新匹配。即：失踪球员的数量（由于受伤/红牌），每支球队在比赛开始前的连续胜/平/负数，即主队（已经提到过），进球数最近几场主客场比赛等等……

有 6-8 场比赛才是真正的问题。这个数据集非常小，会有很多过拟合，但如果你使用我提到的那些特征，我认为你也可以使用旧数据。

于 2014-02-26T02:19:30.397 回答