Категории: Технологии

Машинное обучение в ставках на спорт

Лайнуть/Поделиться

Партнерский материал

Машинное обучение – одна из интеллектуальных методологий, показавших многообещающие результаты в области классификации и прогнозирования. Одной из растущих областей, требующих высокой точности прогнозирования, является прогнозирование спортивных событий из-за больших денежных сумм, связанных со ставками. Кроме того, менеджеры и владельцы клубов стремятся к моделям классификации, чтобы они могли понять и сформулировать стратегии, необходимые для победы в матчах.

Модели машинного обучения могут делать прогнозы в реальном времени на основе данных из множества разрозненных источников, таких как производительность игроков, погода, настроения фанатов и т. д.. Согласно исследованию, опубликованному в журнале Applied Computing and Informatics, некоторые модели показали точность немного выше, чем у экспертов в предметной области.

Эти модели требуют большого количества сопоставимых и хорошо организованных данных перед анализом, что делает их особенно подходящими для прогнозирования результатов киберспортивных матчей, когда доступны большие объемы хорошо структурированных данных.

К примеру, в одном исследовании 2008, ученые попытались предсказать результаты в четырех различных видах спорта: NFL (регби-лига), AFL (австралийский футбол по правилам), супер-регби (регби-союз) и английская премьер-лига по футболу (EPL), используя данные за 2002 год. Их искусственная нейронная сеть(ИНС) имела 20 узлов на входном уровне, 10 узлов в скрытом слое и 1 узел на выходном слое (20-10-1). Функции, которые использовались для всех видов спорта, были одинаковыми, а атрибуты, связанные с конкретными событиями в матче по регби или футболу, не рассматривались. Средняя производительность алгоритма ИНС при прогнозировании результатов составляла около 67,5%, по сравнению с прогнозами экспертов, точность которых составляла около 60–65%.

Пример структуры ИНС с 4 входными узлами во входном слое, 5 скрытыми узлами в скрытом слое и одним выходным узлом в выходном слое. (4-5-1)

ИНС также применялась и для прогнозирования результатов скачек. Авторы исследования использовали данные 100 скачек на ипподроме Aqueduct Race Track, проведенных в Нью-Йорке в январе 2010 года. Для каждой лошади в скачке использовалась одна ИНС, на выходе было время финиша этой лошади. Для входных узлов в каждой ИНС использовалось восемь функций. Это были вес лошади, тип скачек, тренер, конный жокей, количество лошадей в скачках, дистанция скачек, состояние трассы и погода. Эта оптимальная сетевая архитектура (8-2-1), с точки зрения среднеквадратичной ошибки, состояла из четырех слоев: входного слоя (с восемью входными узлами), двух скрытых слоев и выходного слоя (со временем завершения лошади). К данным были применены пять различных алгоритмов обучения: градиентный спуск (BP), градиентный спуск с параметром импульса (BPM), Левенберга-Марквадта (LM) и сопряженный градиентный спуск (CGD). Было обнаружено, алгоритмы BPM (с параметром импульса 0,7) и BP были наиболее эффективными при прогнозировании победителя гонки, с точностью до 77%. Однако недостатком BP было то, что время обучения было большим (у LM было самое короткое время обучения).

DOI: 10.1016/j.aci.2017.09.005

Спонсор публикации: ставки на Лигу Европы от Favorit
Редакция

Опубликовала
Редакция
Метки: ИИИНС

Недавние публикации

Земля на 2000 световых лет ближе к черной дыре в центре нашей галактики, чем считалось ранее

Новая карта Млечного Пути, созданная Национальной астрономической обсерваторией Японии, показывает, что Земля движется по спирали быстрее… Читать далее

01/12/2020

Искусственный интеллект помог ученым узнать, как мозг генерирует мысли

Новые алгоритмы искусственного интеллекта позволяют распознать мозговую активность, которая отвечает за мысли и рассуждения. До… Читать далее

01/12/2020

Аяуаска. Как работает: вред и области потенциального применения ДМТ

Аяуаска - это, возможно, самый мощный галлюциноген на планете, и до недавнего времени он входил… Читать далее

29/11/2020

Мозг и Вселенная: как астрофизик и нейрохирург объединились, чтобы сравнить две самые сложные системы в природе

Астрофизик из Болонского университета и нейрохирург из Веронского университета сравнили нейронные связи в человеческом мозгу… Читать далее

26/11/2020

Нейросеть, застывшая в стекле

Нет, это не статья по типу "Адский муравей, застрявший в янтаре, мучил свою жертву 99… Читать далее

25/11/2020

Женщины достигают оргазма в 80% случаев в носках по сравнению с 50% без них

Во время исследования, в котором изучалась разница в мозговой активности женщин во время реальных и… Читать далее

24/11/2020