Mar, 2024

足球投注的演进 - 预测比赛结果和估计书商赔率的机器学习方法

PDF
TL;DR本研究探讨了职业足球历史与博彩业的重要性，并追溯了其从秘密起源到利润丰厚的千万英镑企业的演变。通过 1960 年合法化博彩所引发的转变和 Thorold Charles Reep 在足球数据收集方面的开拓，这两个领域之间的共生关系推动了快速的增长和创新。在过去的六十年中，这两个行业都经历了根本性的转变，数据收集方法从简单的记笔记发展到高清摄像机和人工智能驱动的分析等先进技术。因此，本研究的主要目标是利用机器学习算法预测英超联赛足球比赛结果。通过分析历史数据和研究各种特征的重要性，研究旨在识别最有效的预测模型，并确定影响比赛结果的关键因素。此外，研究旨在利用这些预测结果为博彩公司提供赔率设定的见解，从而强调了运动预测和博彩中明智决策的潜力，为体育分析领域的研究和实际应用开辟了新的途径。
professional footballbetting industryevolutiondata collection methodsmachine learning
发现论文，激发创造
  • 足球比赛结果预测的机器学习

    机器学习在足球比赛结果预测中已成为一种常见方法，本章讨论了该领域中可用的数据集、模型类型和特征以及评估模型性能的方法。研究发现，目前基于渐变提升树模型（如 CatBoost）和特定于足球比赛的评分（如 pi - 评分）的机器学习模型在只包含进球作为比赛特征的数据集上表现最佳，但需要更详细比较深度学习模型和随机森林在不同类型特征数据集上的性能。此外，可以进一步研究新的评分系统，其中包括球员和团队级别信息，并融合来自时空追踪和事件数据的附加信息。最后，需要提高比赛结果预测模型的可解释性，以使其对团队管理更有用。

    Mar, 2024

  • 体育博彩：神经网络与现代投资组合理论在英超联赛的应用

    基于 Von Neumann-Morgenstern 期望效用理论、深度学习技术和凯利准则的先进公式，本研究采用全新方法优化体育博彩中的投注策略，结合神经网络模型和投资组合优化，取得了在 20/21 英超联赛后半段相对初始财富增长 135.8% 的显著利润。研究还探讨了完整和限制策略，评估了其绩效、风险管理和多样化，同时开发了深度神经网络模型来预测比赛结果，解决了有限变量等挑战，为体育博彩和预测建模领域提供了有价值的见解和实际应用。

    Jul, 2023

  • 游戏计划：人工智能在足球中的应用以及足球对人工智能的贡献

    本文概述了人工智能、机器学习、足球分析、预测模型和博弈论等领域相互结合在足球领域中的应用，以及这种应用方式如何推进了足球运动本身的发展，还探讨了这种足球分析应用在其他领域的扩展可能性。

    Nov, 2020

  • 通过语言预测足球比赛中的事件

    该论文介绍了一种预测足球比赛中下一个事件的方法，该方法受到大型语言模型的启发，通过深度学习在公开可用的 WyScout 数据集上提供了新颖的技术，显著改进了以前的大事件模型在关键领域（如下一个事件类型的预测准确性）的性能，同时提供了用于多方面分析的模拟背景，奠定了多元分析管道的基础框架。

    Feb, 2024

  • 英雄联盟：实时比赛结果预测

    使用机器学习技术对电子游戏《英雄联盟》（LoL）比赛结果进行预测的研究，采用未发布的数据作为预测过程的基础，研究结果有助于提高玩家策略和相关博彩行业的效益。

    Sep, 2023

  • 预测职业足球市场价值：可解释机器学习模型的见解

    本文提出了一种创新的方法，利用可解释机器学习模型预测职业足球运动员的市场价值。使用从 FIFA 网站整理的数据集，我们采用集成机器学习方法结合 Shapley Additive exPlanations (SHAP) 来提供模型预测的详细解释。GBDT 模型在评估模型中表现出最高的平均 R-Squared（0.8780）和最低的平均均方根误差（3,221,632.175），表明其在性能上卓越。我们的分析发现，球控、短传、射门、拦截、带球和抢断等特定技能在技能维度上很重要，而冲刺速度和加速度在健身维度上至关重要，反应在认知维度上占主导地位。我们的结果为市场价值估计提供了更准确、客观和一致的框架，并为球员转会的管理决策提供了有用的见解。

    Nov, 2023

  • 使用机器学习技术预测 IPL 比赛结果

    本文提出了使用机器学习算法（SVM、随机森林分类器 (RFC)、逻辑回归和 K - 近邻）预测印度板球联赛 (IPL) 结果的模型。实验结果表明，随机森林算法的准确度最高，达到了 88.10%。

    Sep, 2021

  • 透过估计的团队实力以统计增强的学习预测手球比赛

    我们提出一种统计增强学习（SEL）模型来预测手球比赛。我们的机器学习模型加上 SEL 特征，在准确率上超过了现有模型。我们展示了如何构建数据集，在过去的女子俱乐部比赛中训练机器学习模型。我们比较了不同的模型，并评估它们的性能能力。最后，解释性方法使我们的工具不仅是一个预测解决方案，而是一个高度洞察力的分析工具。这对手球队的教练提供了有价值的统计和预测见解，以准备未来的比赛。

    Jul, 2023

  • 评估足球比赛预测模型：深度学习方法与梯度提升树的特征优化

    机器学习模型在足球比赛预测方面的性能评估和梯度提升树模型的最佳特征集的确定的研究。

    Sep, 2023

  • 人工智能在赛马运动中的应用

    文章介绍了机器学习在马赛预测方面的广泛应用以及深度学习的变革将会如何改变马赛预测的传统方法和我们对动物 - 人类交互的理解。

    Jul, 2022