MPaR'21 - artykuł nr 7
Zastosowanie uczenia maszynowego w predykcji rezultatów meczów piłki nożnej
Szymon Głowania, Jan Kozak
Streszczenie:
Predykcja wyników meczów piłki nożnej jest znanym problemem, brak jest jednak rozwiązań związanych z kompleksowym podejściem odkrywania wiedzy z danych (ang. Knowledge Discovery in Databases, KDD). Jest to w szczególności trudne w przypadku mniej popularnych lig piłkarskich. W tym artykule zaproponowano autorskie podejście do całego procesu odkrywania wiedzy z danych pozwalającego na przewidywanie rezultatów spotkań polskich lig piłkarskich. Głównym celem artykułu jest poprawa predykcji wyników meczów piłkarskich w stosunku do przewidywań bukmacherów. Aby osiągnąć cel konieczne jest przygotowanie zbioru uczącego oraz opracowanie, skalowalnego na różne ligi, modelu uczącego. Zastosowanie opracowanego modelu opartego na uczeniu maszynowym w predykcji wyników meczów ligi polskiej pozwala na poprawę przewidywań firm bukmacherskich. Dodatkowo możliwości wynikające z zastosowania heterogenicznych zespołów klasyfikatorów pozwalają na wyróżnienie niektórych z analizowanych przypadków. Zaproponowane podejście przetestowano na rzeczywistych danych, wynikach spotkań piłkarskich lig polskich. Eksperymentom poddane zostały metody wybrane na podstawie dogłębnego przeglądu literaturowego. Osiągnięte wyniki w zakresie miar oceny jakości klasyfikacji oraz rzeczywistych symulacji potwierdzają realizację postawionego celu.
Nota bibliograficzna:
Szymon Głowania, Jan Kozak. (2021). Zastosowanie uczenia maszynowego w predykcji rezultatów meczów piłki nożnej. W: Maciej Nowak, Tadeusz Trzaskalik (red.), Modelowanie Preferencji a Ryzyko '21. Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach, s. 119-133
