Сводная статья, чтобы представить архитектуру модели нашей модели прогнозирования футбольных результатов.
Используя передовые алгоритмы моделирования и машинного обучения, Socaquila предоставляет информацию о матчах и прогнозирует все пулы. Если вы хотите присоединиться к нашей большой семье, здесь — ссылка на сообщество Telegram.
Введение
В этой статье мы собираемся описать модель, которую использует Socaquila, в перспективе очень высокого уровня, и, чтобы облегчить большую часть аудитории, мы пропустим математическую часть и попытаемся использовать «человеческий» язык, чтобы объяснить лежащую в основе теорию. Для тех, кто действительно интересуется техническими пояснениями, я выделил слова жирным шрифтом и курсивом для вас, ребята. Наслаждаться!
Обзор
Наша модель состоит из двух фраз. Фраза извлечения собирается получить информацию и информацию из разных источников данных. Исходя из этого, модель будет иметь представление об атакующих и оборонительных способностях команд. Во фразе прогноза модель анализирует сильные и слабые стороны двух команд и оценивает возможности каждого результата для разных пулов ставок.
Фраза извлечения
Данные
У нас есть обширная база данных, в которой хранятся записи всех прошедших матчей. Чтобы лучше фиксировать игровые модели каждой команды, мы будем детализировать данные уровня типа события. Другими словами, когда мы анализируем отдельный матч, мы не только агрегируем сводную статистику, такую как количество бросков, количество карточек или количество угловых, но также анализируем стиль игрока, такой как позиции x-y и углы ударов. , их активные области ведения мяча или их благоприятное поведение при стрельбе и т. д.
Кодер-декодер, внимание и скрытый вектор
С технической точки зрения кодер-декодер помогает преобразовать многомерные пространства для разных источников данных в единую k-мерную матрицу, при этом важно присвоить веса разным векторам и сделать скрытый вектор. Говоря человеческим языком, все, что вам нужно знать, это то, что, поскольку различные источники данных трудно объединять и анализировать, мы пытаемся использовать такие методы для консолидации информации, которую мы получаем из данных в форме что компьютер может понять.
Фраза предсказания
Пулы ставок
Как вы знаете, HKJC предлагает множество пулов ставок. Поэтому, чтобы удовлетворить потребности всех пользователей, модель будет предсказывать в общей сложности 13 пулов ставок, которые охватывают типы ставок от первой половины до полного времени. Пользователи могут найти свои любимые типы пулов ставок, такие как связанные с забитыми очками, связанные с угловыми или связанные с командой.
Общая сеть и сети для конкретного пула
Теоретически общая сеть позволяет обмениваться информацией между различными входными данными, в то время как сети для конкретных пулов вводят уникальные характеристики и шаблоны, характерные для каждого пула. Проще говоря, это всего лишь некоторые сложные структуры, которые помогают сделать прогноз более точным.
Байесовские вероятностные выходные слои
Как правило, задача регрессии машинного обучения может возвращать только одну оценочную точку. Однако наша модель вводит использование вероятностного слоя при обучении модели нейронной сети, чтобы возвращать параметрическое распределение для переменной ответа. На земном языке это означает, что теперь мы можем получить вероятности с помощью этой техники.
Заключение
Я надеюсь, что вам, ребята, понравится читать статью, и вы получите общее представление о механизме, лежащем в основе. Чтобы проверить наш последний прогноз на матч, зайдите на наш веб-сайт и посмотрите!
