মেশিন লার্নিং অ্যালগরিদম কি ক্রীড়া স্কোর বা নাটকের পূর্বাভাস দিতে পারে?


40

আমার কাছে বিভিন্ন ধরণের এনএফএল ডেটাসেট রয়েছে যা আমি মনে করি একটি ভাল পার্শ্ব-প্রকল্প তৈরি করতে পারে, তবে আমি এখনও তাদের সাথে কিছু করি নি।

এই সাইটে এসে আমাকে মেশিন লার্নিং অ্যালগরিদমগুলি সম্পর্কে ভাবতে বাধ্য করেছিল এবং আমি ভাবছিলাম যে তারা ফুটবল গেমগুলির ফলাফল বা পরবর্তী খেলাগুলির ফলাফল সম্পর্কে ভবিষ্যদ্বাণী করাতে কতটা ভাল হতে পারে।

আমার কাছে মনে হয় এমন কিছু ট্রেন্ড রয়েছে যা চিহ্নিত করা যেতে পারে - তৃতীয় ডাউন এবং ১ তারিখে তাত্ত্বিকভাবে শক্ত দৌড়াদৌড়ি করা একটি দলের সেই পরিস্থিতিতে বল চালানোর প্রবণতা থাকা উচিত

স্কোরিং ভবিষ্যদ্বাণী করা আরও কঠিন হতে পারে তবে বিজয়ী দল হতে পারে।

আমার প্রশ্ন হ'ল মেশিন লার্নিং অ্যালগরিদম এ ফেলে দেওয়া ভাল প্রশ্ন কিনা। এটি এমন হতে পারে যে হাজার আগে লোক এটি চেষ্টা করেছে, কিন্তু খেলাধুলার প্রকৃতি এটিকে একটি অবিশ্বাস্য বিষয় হিসাবে পরিণত করে।

উত্তর:


18

ফুটবল সম্পর্কে প্রচুর ভাল প্রশ্ন রয়েছে (এবং সাধারণভাবে ক্রীড়া) যা একটি অ্যালগরিদমে ফেলে দেওয়া এবং কী ঘটেছিল তা দেখতে দুর্দান্ত লাগবে। জটিল অংশটি অ্যালগরিদমে কী ফেলতে হবে তা জানা ।

একটি ভাল আরবিওয়ালা একটি দল কেবল তৃতীয় এবং সংক্ষিপ্তভাবে পাস করতে পারে কারণ প্রতিপক্ষরা সম্ভবত রান আশা করবে, উদাহরণস্বরূপ। সুতরাং, আসলে কিছু যোগ্য ফলাফল তৈরি করার জন্য, আমি সমস্যাটি ছোট ছোট টুকরো টুকরো করে ফেলব এবং মেশিনে ফেলে দেওয়ার সময় তাদের পরিসংখ্যানগতভাবে বিশ্লেষণ করব।

কয়েকটি (ভাল) ওয়েবসাইট রয়েছে যা একই কাজ করার চেষ্টা করে, আপনার চেক আউট করা উচিত এবং আপনাকে যা সহায়তা করতে পারে তা ব্যবহার করুন:

এবং যদি আপনি সত্যিই স্পোর্টস ডেটা বিশ্লেষণ অন্বেষণ করতে চান তবে আপনার অবশ্যই স্লোয়ান স্পোর্টস কনফারেন্সের ভিডিওগুলি পরীক্ষা করা উচিত । তাদের অনেকগুলি ইউটিউবে ছড়িয়েছে।


13

হ্যাঁ. কেন না?! প্রতিটি গেমের প্রতিটি খেলায় এত বেশি ডেটা রেকর্ড হওয়ার সাথে সাথে, ডেটার স্মার্ট ব্যবহার আমাদের প্লেয়ারের পারফরম্যান্স সম্পর্কিত গুরুত্বপূর্ণ অন্তর্দৃষ্টি পেতে পরিচালিত করতে পারে।

কিছু উদাহরণ:

সুতরাং, হ্যাঁ, প্লেয়ারের রেকর্ডগুলির পরিসংখ্যানগত বিশ্লেষণ আমাদের কোন অন্তর্দৃষ্টি দিতে পারে যে কোন খেলোয়াড়ের পারফরম্যান্সের সম্ভাবনা বেশি তবে কোন খেলোয়াড়রা পারফর্ম করবেন না । সুতরাং, মেশিন লার্নিং, পরিসংখ্যানগত বিশ্লেষণের একটি ঘনিষ্ঠ কাজিন গেম চেঞ্জার হিসাবে প্রমাণিত হবে।


9

অবশ্যই তারা পারে। আমি একটি সুন্দর কাগজ আপনি লক্ষ্য করতে পারেন । আমি একবার এটি সকার লিগ ফলাফলের পূর্বাভাস অ্যালগরিদম বাস্তবায়নের জন্য ব্যবহার করি, মূলত বুকমেকারদের বিরুদ্ধে কিছু মূল্য থাকার লক্ষ্য।

কাগজের বিমূর্ত থেকে:

কোনও লিগের সমস্ত দলের সময় নির্ভর দক্ষতা অনুমান করার জন্য এবং পরের সপ্তাহান্তে ফুটবলের ম্যাচগুলির পূর্বাভাস দেওয়ার জন্য একটি বায়সিয়ান গতিশীল সাধারণ মডেল।

মূলশব্দ:

ডায়নামিক মডেলস, জেনারালাইজড লিনিয়ার মডেলস, গ্রাফিকাল মডেলস, মার্কভ চেইন মন্টি কার্লো পদ্ধতি, সকার ম্যাচের পূর্বাভাস

উদ্ধৃতি:

রু, হাভার্ড এবং ওভিন্ড সালভেসেন। "লীগে ফুটবলের ম্যাচের পূর্বাভাস এবং পূর্ববর্তী বিশ্লেষণ।" রয়্যাল স্ট্যাটিস্টিকাল সোসাইটির জার্নাল: সিরিজ ডি (দ্য স্ট্যাটিস্টিশিয়ান) 49.3 (2000): 399-418।


7

মেশিন লার্নিং এবং স্ট্যাটিস্টিকাল কৌশলগুলি পূর্বাভাসকে উন্নত করতে পারে, তবে কেউই প্রকৃত ফলাফলের পূর্বাভাস দিতে পারে না।

2014 এর এনসিএএ টুর্নামেন্টের পূর্বাভাস দেওয়ার বিষয়ে কয়েক মাস আগে একটি কাগল প্রতিযোগিতা ছিল । লোকেরা কী করেছে এবং তারা কী ফলাফল অর্জন করেছে সে সম্পর্কে আরও ভাল ধারণা পেতে আপনি প্রতিযোগিতা ফোরামটি পড়তে পারেন।


7

খেলাধুলার ফলাফল পূর্বাভাস দেওয়ার জন্য মেশিন লার্নিংয়ের কৌশলগুলি প্রয়োগ করার আগে এটি প্রদর্শিত হয়েছে। সাধারণ গুগল অনুসন্ধানে আপনাকে একগুচ্ছ ফলাফল দেওয়া উচিত।

তবে এটিও প্রদর্শিত হয়েছে (এনএফএল বিটিডব্লিউর জন্য) যে খুব জটিল ভবিষ্যদ্বাণীপূর্ণ মডেল, সরল ভবিষ্যদ্বাণীপূর্ণ মডেল, মানুষকে প্রশ্ন জিজ্ঞাসা করা বা বাজি তথ্য ব্যবহার করে ভিড় জ্ঞান, তারা সবাই কমবেশি একই রকম সম্পাদন করে। উত্স: " আপনি উত্তরটি জানার পরে সমস্ত কিছু সুস্পষ্ট How হাউ সাধারণ জ্ঞান ব্যর্থ হয় ", ডানকান ওয়াটসের লেখা অধ্যায় 7।


মজাদার. আমি যে প্রশ্নটি জিজ্ঞাসা করেছি তা হ'ল আমি ভাবলাম যে "জুয়াড়ির ত্রুটি" (বা এমনকি জিএফ নিজেই) এর মতো কিছু আছে কিনা। আমি ভেবেছিলাম এমন কোনও সম্ভাবনা থাকতে পারে যা ইতিমধ্যে ফলহীন উদ্যোগ হিসাবে প্রমাণিত হয়েছিল। তবুও - এই অন্যান্য উত্তরগুলি আকর্ষণীয়।
স্টিভ কালেস্টেদ

6

মাইকেল মাউউউসিন তাঁর "দ্য সাফল্য সমীকরণ" গ্রন্থে খেলাধুলাসহ বিভিন্ন প্রয়াসে দক্ষতার চেয়ে ভাগ্যকে আলাদা করে দেখছেন। তিনি আসলে বিভিন্ন ধরণের পারফরম্যান্সে যে পরিমাণ ভাগ্য ভাগ্যের জন্য অবদান রাখেন সে পরিমাণে (ক্রীড়া পৃষ্ঠাগুলি 23) এবং ফুটবলে প্রায় 2/3 পারফরম্যান্স দক্ষতার জন্য দায়ী। বিপরীতে, আমি সূত্র 1 রেসিংয়ের পারফরম্যান্স বিশ্লেষণ করতে এমএম এর কৌশলটি ব্যবহার করেছি এবং দেখতে পেয়েছি যে 60% দক্ষতার জন্য দায়ী (আমি প্রত্যাশার চেয়ে কম ছিল))

এটি বলেছিল, এই ধরণের বিশ্লেষণের দ্বারা বোঝা যাচ্ছে যে যথেষ্ট বিশদ এবং নৈপুণ্যযুক্ত বৈশিষ্ট্য সেট এমএল অ্যালগরিদমগুলিকে এনএফএল দলগুলির পারফরম্যান্সের পূর্বাভাস দিতে পারে, এমনকি খেলার স্তর পর্যন্ত, যে সতর্কতার সাথে প্রভাবের কারণে তাৎপর্যগুলি এখনও বিদ্যমান থাকবে খেলা ভাগ্য।


5

আমি এটি সম্পর্কে কিছু পড়েছি এবং আমার মনে নিম্নলিখিত ব্লগটি ছিল:

http://fellgernon.tumblr.com/post/46117939292/predicting-who-will-win-a-nfl-match-at-half-time#.UtehM7TWtQg

এই ব্লগটি অর্ধবার ইতিমধ্যে শেষ হওয়ার পরে একটি এনএফএল ম্যাচের পূর্বাভাস নিয়ে কাজ করে। সাধারণ জিএলএম মডেলের সাথে পূর্বাভাস 80% নির্ভুল।

আমি জানি না এটি সকারের জন্য উপযুক্ত কিনা।


5

আমি এই এলাকায় কিছু গবেষণা করেছি। আমি প্রথম অর্ডার পেয়েছি মার্কভ চেইনগুলি বিভিন্ন ক্রীড়া জুড়ে গেম স্কোরিং গতিশীলতার পূর্বাভাস দেওয়ার জন্য ভাল কাজ করে।

আপনি এখানে আরও বিস্তারিত পড়তে পারেন: http : //www.epjdatasज्ञान.com / content /3 / 1 /4


5

তারা ভবিষ্যদ্বাণী করতে পারে না, তবে তারা আপনাকে সম্ভবত সম্ভাব্য ফলাফল বলতে পারে। এটিয়েনের কাছ থেকে এই ধরণের পদ্ধতির বিষয়ে একটি গবেষণা রয়েছে - ওল্ফ্রাম ভাষার সাথে বিশ্বকাপ কে জিতবে ভবিষ্যদ্বাণী করা । এটি একটি খুব বিশদ অধ্যয়ন, যাতে আপনি ভবিষ্যদ্বাণীগুলি পেতে ব্যবহৃত সমস্ত পদ্ধতি পরীক্ষা করতে পারেন।

যথেষ্ট আকর্ষণীয়, 15 টি ম্যাচ থেকে 11 টি সঠিক ছিল!

যেমনটি আশা করা যায়, ৪২.৫% জয়ের সম্ভাবনা সহ ব্রাজিল সবচেয়ে প্রিয়। এই আকর্ষণীয় ফলাফল ব্রাজিলের উভয়ই সর্বোচ্চ র‌্যাঙ্কিং রয়েছে এবং ঘরের মাঠে খেলায় এই কারণে।

(চলুন ব্রাজিল যাই!)


3

তাদের উত্তরে ভবিষ্যদ্বাণী করা যেতে পারে এমন কী কী তা নিয়ে প্রচুর লোকেরা জোর দিয়েছিলেন। এখন, গভীর শিক্ষার আকর্ষণ সম্পর্কে, আপনি উদাহরণস্বরূপ, আরএনএন ব্যবহার করুন (এলএসটিএম বলুন) সময় ভিত্তিক ক্রীড়া সমস্যার জন্য ফলাফল পূর্বাভাস দিতে। এগুলি শিল্পের রাজ্য এবং traditionalতিহ্যবাহী মডেলগুলিকে হাতছাড়া করে।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.