Может ли искусственная нейронная сеть предсказать результат спортивных игр?

Ответ 1

Еще в дни IBM XT я играл с бесплатной программой ANN, чтобы попытаться улучшить свои шансы на британские футбольные (футбольные) пулы. Это форма ставок, в которой вы пытаетесь предсказать, какие футбольные матчи приведут к ничьи. Я назначил каждой команде номер, а затем оглянулся назад на прошлые результаты, и из них сформировалась одна цифра для результата. Из памяти это было 0 от домашней победы, 1 - за выездную победу и 2 - за ничью. Каждый результат включался в одну строку в файле тренировки. Затем я запускаю учебный файл через программу и генерирую настройки ANN. Затем я просмотрел следующие субботние матчи и подал их в ANN, а затем посмотрел на матчи, предсказанные как ничьи.

По мере того как недели шли, мои предсказания ничьей определенно становились все более и более точными. Однако...

1) XT был настолько медленным, что к Рождеству потребовалось 24 часа для создания настроек ANN из данных обучения. Я действительно имел дело с моим драгоценным (и дорогим) ПК.

2) Хотя было лучше прогнозировать ничьи, он не предсказывал достаточно, чтобы фактически выиграть деньги. Оглядываясь назад, я полагаю, что программа только что сложилась, что "Манчестер Юнайтед" всегда будет побеждать Шеффилд Юнайтед. Это было больше знаний о футболе, чем у меня, но недостаточно, чтобы выиграть деньги.

3) Ввод результатов в данные обучения, а затем генерация данных предстоящих матчей занимала много времени, и, чтобы быть честными, спортивные скуки меня жесткие.

Итак, я сдался и не стал миллионером.

В наши дни, однако, компьютер намного быстрее, и большая часть данных обучения может быть очищена из Интернета. Но я все еще сомневаюсь, что это путь к целому состоянию, но это, безусловно, интересный проект.

Ян

Ответ 2

Ответ выше заявил:

Я знаю, что если шансы букмекеров могут быть избиты ANN, букмекеры уже использовали бы один, чтобы исправить свои шансы.

Букмекеры не устанавливают линию на основе их анализа команд - они устанавливают ее на основе анализа общественного мнения команд. Идеальная линия для букмекера - это то, где он имеет точно такую ​​же ставку на каждой стороне линии - тогда ему гарантируется прибыль = "сок" на ставки проигравших. Они двигают линию по мере приближения игры, чтобы попытаться сохранить этот раскол 50/50. Bookie может подумать, что домашняя команда -5 - это точная линейка, основанная на анализе игры, но если он ожидает, что нарисовал бы 2x $$ в команде хозяев, он не установит линию на -5 - он установит на -7 или -8 - на где он рассчитывает набрать равные $$ для ставок -5 и +5.

Ответ 3

ANN действительно хороши в сопоставлении и прогнозировании шаблонов, так что да, вероятность того, что вы можете построить ANN, который делает то, что вы хотите.

Вам нужно больше, чем просто коэффициент выигрыша/потери команды, чтобы сделать его действительно эффективным. Загрузите статистику для игроков. Для реальной эффективности попробуйте включить информацию о игровом потоке... например, какие игроки находятся на линии для каждой игры (например, для футбола).

В конечном счете, самая большая проблема, с которой вы столкнетесь (помимо всего "написания проблемы с ANN" ), - это получение данных, необходимых для ее подачи.

Ответ 4

Я сделал некоторые прогнозы на фондовом рынке с AI, и мой вывод состоит в том, что не очень сложно сделать ИИ, который получает хорошие результаты с историческими данными. Сделать выигрышные транзакции в будущем - это отличная игра.

Ответ 5

Я только что работал над этой проблемой (предсказывая английскую премьер-лигу) за последние 10 дней и в итоге получил очень похожие результаты, используя 3 разных метода: SVM, Logistic Regression и NN.

LR и NN будут давать вероятности. SVM выводит 0/1 (но он может быть изменен и для probas (я еще не пробовал).

Мне нужен был "массивный" (по крайней мере мой стандарт) набор функций (почти 300) и хороший кусок данных (13 лет).

Re. данные, я получил это из Интернета, просто.

Заключение: я могу просто совместить букмекеров с точки зрения точности (предсказание побед в моем случае). Если я добавлю коэффициенты перед матчем к набору функций, я получаю ту же точность, что и букмекеры (как и ожидалось), но не лучше (конечно, это означает, что мой набор функций суммируется в шансах букмекеров, и у них есть немного дополнительных знаний сверху).

Я уверен, что есть способ получить более точную точность, либо улучшая альгологию, либо, более вероятно, имея чрезвычайно подробные данные (в которых игроки играют в какие игры, на сколько минут и много игроков - чтобы создать восходящие модели производительности команды).

Но в нижней строке я могу засвидетельствовать, что NNs работают достаточно хорошо для этой цели. SVM немного лучше, хотя в моем ограниченном опыте.

Ответ 6

Я думаю, что это действительно все о данных, но нет конца тому, что вы могли бы его накормить, чтобы быть более точными: выигрыш/потеря полос, игровые биоритмы, настроение подружек игроков перед игрой, незначительные/крупные травмы, которые они понесли в недавнем прошлом, вне спортивных событий, которые беспокоят игроков и т.д. и т.д. и т.д.

Но я не думаю, что вы можете точно предсказать, какая команда с большей вероятностью победит, это будет просто более или менее обоснованное предположение.

Ответ 7

По моему мнению и опыту, из-за чрезмерно большого количества факторов в игре, проектирования и обучения ANN будет необоснованно сложным и трудоемким. ANN хорошо подходят для сопоставления с образцом, и игровое предсказание принимает много дедуктивных рассуждений, а не просто сопоставление образцов.

Но если вы хотите наслаждаться изучением нейронных сетей, это будет хорошее приключение. Если вы успешны, вы можете захотеть разместить свой код где-нибудь, чтобы другие могли видеть и учиться!

Для предсказания игры было бы намного проще и быстрее с деревьями принятия решений или движком правил и так далее. Это тоже будет непростой задачей, но это будет еще одна интересная деятельность.

Ответ 8

Я убежден, что непредсказуемость события обусловлена ​​отсутствием информации и понимания... Если у вас есть все знания, то да, это можно сделать. Или, чем больше знаний у вас есть, тем лучше это можно сделать.

Итак, в теории, ответ да.

Однако на практике вы можете получить PhD и иметь всю карьеру, работающую над этим вопросом, и вам все равно не удастся.