足球比赛结果预测

Question

下班后，我们经常在办公室玩几轮桌上足球。 我编写了一个小型 java 程序，可以从可用玩家中生成随机 2v2 阵容，然后将比赛结果存储在数据库中。

当前的结果预测使用 4 名相关球员之前所有比赛结果的简单平均值。 这给出了一个非常粗略的估计，但我想用更复杂的东西来替换它，考虑到以下因素：

• 玩家可能作为攻击者发挥出色，但作为防守者表现不佳（反之亦然）
• 玩家在对抗特定对手时表现出色/与其他团队相比，有些团队合作得很好
• 不会
• ，而另一些团队的技能

随着时间的推移而改变尽可能准确地预测游戏结果的最佳算法是什么？

有人建议为此使用神经网络，这听起来很有趣......但我没有足够的关于该主题的知识来判断这是否可行，而且我还怀疑可能需要太多的游戏才能进行合理的训练。

编辑：
由于一些项目的截止日期，不得不休息更长的时间。 为了使问题更具体：

给定以下 mysql 表，其中包含迄今为止播放的所有比赛：

table match_result

match_id      int pk
match_start   datetime
duration      int (match length in seconds)
blue_defense  int fk to table player
blue_attack   int fk to table player
red_defense   int fk to table player
red_attack    int fk to table player
score_blue    int
score_red     int

您将如何编写函数 PredictResult(blueDef, blueAtk, redDef, redAtk) {...}
尽可能接近地估计结果，执行任何sql，进行计算或使用外部库？

Answer 1

使用TrueSkill算法，它非常擅长这一点。 我已经在足球和国际象棋中实现了它，效果非常好。 同事告诉我，它在这方面几乎太了。

有关其工作原理的完整详细信息以及我的实现的链接，请参阅我的“

Answer 2

为什么使用神经网络？ 使用统计数据，每个球员之间的相关性可能是一个很好的衡量标准。

Answer 3

首先让我们收集一些信息：
对于给定的球员，我们需要：

1. 他们所踢的位置
2. 最终得分

好的进攻者会得分。
一个好的防守者会阻止得分。

真正的信息将来自于优秀的攻击者与优秀的防守者的对抗。

Answer 4

尝试应用朴素贝叶斯分类器。

贝叶斯学习是一种概率学习
方法是基于一个
假设数量
兴趣是由概率决定的
分布和最优
可以通过推理做出决定
关于这些概率
与观察到的数据。 [米切尔，T.
（1997），机器学习]

完全相同的球员分布可能会导致不同的比赛结果。 如果您的数据中有一个模式，基于您的变量的模式，朴素贝叶斯分类器可能会产生良好的结果。

该算法不是很复杂。 我认为，一个具有一定概率知识的人，可以理解& 应用它。

在入侵检测系统中，它通过查看各种网络参数来确定网络异常。 贝叶斯方法在特定类型的数据中可能非常成功，并产生高 TP 和 TP 值。 低 FP 率。 但它也可能会导致较高的 FP 率，具体取决于您的数据。 您的数据将决定最佳方法。

您可以使用 Weka (http://www.cs.waikato.ac.nz /~ml/weka/），一个数据挖掘软件库，并尝试不同的算法。 它包含朴素贝叶斯分类器。
试试看吧。

Answer 5

一种选择是尝试将点分布猜测为某种线性模型。 如果您的比赛数量多于玩家数量，则可以通过为所有比赛和结果构建游戏矩阵（一支球队的球员为+1，另一支球队的球员为-1，观众为0）来对每个球员的得分进行最小二乘拟合点差的向量。