Болжам бойынша UEFA Euro 2024 құрып жатқанда, футбол әлемі қай команданың кубокты алатынын тағатсыздана күтеді. Зерттеушілер тобы –Флориан Фелис, Андреас Гролл, Ларс Магнус Хваттум, Кристоф Лей, Гюнтер ШаубергерДжонас Стернеманн, және Ахим Зелейс— осы беделді турнирдің нәтижелерін болжау үшін машиналық оқытудың күшін пайдаландық. Олардың жан-жақты зерттеуі нәтижелерді жоғары дәлдікпен болжау үшін машиналық оқыту ансамблін пайдаланады.
Болжауға зерттеу тәсілі
1. Деректер жинау
Зерттеушілер УЕФА Еуропа чемпионатының өткен матчтары туралы ауқымды деректерді жинаудан бастады. Бұл деректер жиынын қамтиды матч нәтижелері, команда статистикасы, ойыншының өнімділігі көрсеткіштері және алдыңғы турнирлердің басқа да қатысты факторлары. Оған қоса, олар модельдің соңғы ақпаратты көрсететініне көз жеткізу үшін соңғы матч нәтижелері, ойыншы пішіндері және команда құрамы сияқты ағымдағы команда деректерін біріктірді.
2. Функция инженериясы
Функцияларды құрастыру олардың процесіндегі маңызды қадам болды, бұл оларға бастапқы деректерден мағыналы айнымалыларды шығаруға мүмкіндік береді. Модельде қарастырылатын негізгі мүмкіндіктерге мыналар жатады:
- сияқты команданың күш көрсеткіштері FIFA рейтингтері және Elo рейтингтері.
- Тарихи қойылым УЕФА турнирлері.
- жуырда тиімділік көрсеткіштері, соның ішінде ұтыс/ұтылыс арақатынасы және мақсат дифференциалы.
- Соғылған голдар, ассистенттер және қорғаныс әрекеттері сияқты ойыншыға қатысты статистика.
3. Үлгіні таңдау
Болжамдарының дәлдігін арттыру үшін зерттеушілер бірнеше машиналық оқыту үлгілерін біріктіретін ансамбльдік тәсілді қолданды. Олардың ансамблінде қолданылатын негізгі үлгілерге мыналар жатады:
- Кездейсоқ орман: Айнымалылар арасындағы күрделі өзара әрекеттесуді қамтитын әмбебап модель.
- Градиентті күшейтетін машиналар (GBM): Болжау қиын даналарға назар аудару арқылы болжау дәлдігін жақсарту үшін тиімді.
- Нейрондық желілер: Деректердегі күрделі үлгілерді анықтауға қабілетті.
Осы үлгілерді біріктіру арқылы ансамбль әрқайсысының күшті жақтарын пайдаланады, нәтижесінде сенімдірек және сенімді болжау жүйесі пайда болады.
4. Үлгіні оқыту және тексеру
Ансамбль үлгісі тарихи деректерді пайдалана отырып дайындалды алдыңғы УЕФА Еуропа чемпионаттары. Модельдің өнімділігін растау үшін зерттеушілер оның көрінбейтін деректерге жақсы жалпылануын қамтамасыз етіп, кросс-валидация әдістерін қолданды. Бұл қадам шамадан тыс бейімделуді болдырмау және модель болашақ сәйкестіктерді дәл болжай алатынын растау үшін өте маңызды болды.
5. Болжамдар және талдау
Оқытылған үлгімен зерттеушілер модельдеді УЕФА Евро 2024 турнирі әр матч үшін ықтималдық болжамдарын жасау үшін бірнеше рет. Бұл тәсіл тек жеке матчтарға болжам жасап қана қоймайды, сонымен қатар әр команданың кезеңдерден өту және соңында турнирде жеңіске жету ықтималдығын бағалайды.
Еуро 2024 жеңімпазы кім болады?
Машиналық оқыту ансамблі моделі топтық кезеңдегі барлық матчтарды модельдеуге мүмкіндік береді, қандай командалар плей-офф кезеңге өтетінін анықтайды және соңында жеңімпазды болжайды. Осы симуляцияларды іске қосу арқылы 100,000 XNUMX рет, модель әрбір команда үшін жеңіске жету ықтималдығын жасайды.
Нәтижелер соны көрсетеді Франция жеңу ықтималдығы бар еуропалық титулды жеңу фавориті болып табылады 19.2%. Одан кейін 16.7% ықтималдықпен Англия, ал 13.7% мүмкіндікті қабылдаушы Германия. Төмендегі жолақты диаграмма барлық қатысушы командалар үшін жеңіске жету ықтималдығын көрсетеді, толығырақ ақпарат интерактивті толық ені нұсқасында қолжетімді.
Негізгі тұжырымдар
Машиналық оқыту ансамблі бірнеше негізгі түсініктерді шығарды:
- Таңдаулылар мен кемтарлар: Модель дәстүрлі футбол орталықтарын күшті бәсекелестер ретінде көрсетеді, сонымен қатар жанкүйерлерді таң қалдыратын әлеуетті қара жылқыларды анықтайды.
- Сыни матчтар: Топтық кезеңдегі және плей-офф раундтарындағы кейбір матчтар маңызды болып табылады және нәтижелер турнирдің өтуіне айтарлықтай әсер етуі мүмкін.
- Ойыншының әсері: Жеке ойыншының, әсіресе негізгі позициялардағы өнімділігі матч нәтижелеріне айтарлықтай әсер ететіні көрсетілген.
қорытынды
Жұмысы Флориан Фелис, Андреас Гролл, Ларс Магнус Хваттум, Кристоф Лей, Гюнтер Шаубергер, Йонас Стернеманн және Ахим Зелейс UEFA Euro 2024 сияқты күрделі оқиғалардың нәтижелерін болжауда машиналық оқытудың қуатты мүмкіндіктерін көрсетеді. Олардың әртүрлі машиналық оқыту үлгілерін біріктіретін ансамбльдік тәсілі турнирдің ықтимал нәтижелері туралы құнды түсініктерді ұсынатын сенімді және дәл болжау жүйесін қамтамасыз етеді.
ресурстар
