Tengo una variedad de conjuntos de datos de la NFL que creo que podrían ser un buen proyecto paralelo, pero todavía no he hecho nada con ellos.
Llegar a este sitio me hizo pensar en algoritmos de aprendizaje automático y me pregunto qué tan buenos podrían ser para predecir el resultado de los juegos de fútbol o incluso la próxima jugada.
Me parece que podrían identificarse algunas tendencias: en el 3er y el 1er, un equipo con un fuerte corredor teóricamente debería tener una tendencia a correr el balón en esa situación.
La puntuación puede ser más difícil de predecir, pero el equipo ganador podría serlo.
Mi pregunta es si estas son buenas preguntas para arrojar a un algoritmo de aprendizaje automático. Podría ser que miles de personas lo hayan intentado antes, pero la naturaleza del deporte lo convierte en un tema poco confiable.
fuente
Michael Maouboussin, en su libro "La ecuación del éxito", busca diferenciar la suerte de la habilidad en varios esfuerzos, incluidos los deportes. En realidad, clasifica los deportes según la cantidad de suerte que contribuye al rendimiento en los diferentes deportes (p. 23) y aproximadamente 2/3 del rendimiento en el fútbol es atribuible a la habilidad. Por el contrario, utilicé la técnica de MM para analizar el rendimiento en las carreras de Fórmula 1, y descubrí que el 60% es atribuible a la habilidad (menos de lo que esperaba).
Dicho esto, parece que este tipo de análisis implicaría que un conjunto de características suficientemente detallado y diseñado permitiría a los algoritmos de ML predecir el rendimiento de los equipos de la NFL, tal vez incluso al nivel de juego, con la advertencia de que aún existirá una variación significativa debido a la influencia de suerte en el juego
fuente
He leído algo al respecto y tenía en mente el siguiente blog:
http://fellgernon.tumblr.com/post/46117939292/predicting-who-will-win-a-nfl-match-at-half-time#.UtehM7TWtQg
Este blog trata de la predicción de un partido de la NFL después de que el medio tiempo ya haya terminado. La predicción es 80% precisa con el modelo GLM simple.
No sé si eso es adecuado para el fútbol.
fuente
He investigado un poco en esta área. He descubierto que las cadenas de Markov de primer orden funcionan bien para predecir la dinámica de puntuación en una variedad de deportes.
Puede leer con más detalle aquí: http://www.epjdatascience.com/content/3/1/4
fuente
No pueden predecir, pero pueden decirle el resultado más probable. Etienne realiza un estudio sobre este tipo de enfoque : predecir quién ganará la Copa del Mundo con Wolfram Language . Este es un estudio muy detallado, por lo que puede verificar toda la metodología utilizada para obtener las predicciones.
¡Lo suficientemente interesante, 11 de 15 partidos fueron correctos!
(¡Vamos Brasil!)
fuente
Mucha gente ha enfatizado sobre cuáles son las cosas que se pueden predecir en sus respuestas. Ahora, con la fascinación por el aprendizaje profundo, podría, por ejemplo, usar RNN (digamos LSTM) para predecir los resultados de problemas deportivos que se basan en el tiempo. Estos son los últimos avances y superan a las modelos tradicionales.
fuente