我試圖找到一些原創的，有趣的做人工神經網絡（人工神經網絡）作爲個人/學習項目和我雖然它會很酷，如果我可以預測體育比賽的結果（特別是NHL的比賽）。人工神經網絡能預測體育比賽的結果嗎？
我敢肯定它會很容易演變的神經網絡，可以預測哪支球隊最有可能勝出（通常是團隊配合的更好的戰績）。然而，我想要做的是創建一個ANN，以說明結果的可能性，類似於博彩公司的賠率。
這是ANN能做的嗎？在肯定的情況下，我可以期待什麼樣的成功？我知道我無法擊敗博彩公司（至少沒有使用軟件解決方案）。我想把它作爲娛樂項目/對自己的挑戰。我不打算在這個項目上投注體育遊戲。
遙想IBM XT的日子裏，我用一個共享的ANN程序發揮，試圖提高自己在英國足球（足球）池的機會。這是一種投注形式，您可以嘗試並預測哪些足球比賽將導致抽籤。我給每個團隊分配了一個數字，然後回顧過去的結果，並從結果中產生一個數字。從記憶中，主場勝利爲0，客場勝利爲1，平局爲2。每個結果都在訓練文件中排成一行。然後我會通過程序運行訓練文件並生成ANN設置。然後，我會查找下面的星期六比賽，並將它們送入ANN，然後查找預測爲比賽的比賽。
隨着時間的推移，我對抽籤的預測確實變得越來越準確。然而...
1）XT是如此緩慢，聖誕節正在採取24小時生成從訓練數據的神經網絡設置。我真的有更好的事情與我的寶貴（和昂貴）的個人電腦。 2）儘管在預測平局方面表現較好，但它並沒有足夠的預測能夠贏得任何獎金。回想一下，我認爲該計劃剛剛解決，曼聯總是會擊敗謝菲爾德聯隊。這是比我更多的足球知識，但還不足以贏得任何獎金。
3）進入結果納入訓練數據，然後生成即將到來的比賽數據是把我的年齡，老實說運動讓我煩的剛性。
所以我放棄了，並沒有成爲百萬富翁。
這些天，但是PC的速度更快和許多訓練數據可以從網上刮。但我仍然懷疑這是一條通往財富的途徑，但它肯定是一個有趣的項目。
伊恩
感謝您的答案。我不是在尋找發財或任何金錢。我知道，如果博彩公司的賠率可能被ANN擊敗，博彩公司已經在使用賠率了。 – 2009-10-15 17:55:44
@MathieuPagé，那麼AI還是非常技術性的，我懷疑博彩公司有正確使用這些工具的數學背景。 – qbert65536 2016-12-29 15:38:33
人工神經網絡是在模式匹配和預測真的好，所以是的，賠率是你可以建立一個神經網絡，你想要做什麼。
然而，你需要的不僅僅是團隊贏/輸比率，而是要真正有效。也爲球員提供統計數據。爲了達到真正的效果，可以嘗試包括比賽流程信息......例如每場比賽的球員都在線上（例如足球）。
最終，你會遇到的最大問題（除了整個「編寫ANN」問題）得到你需要餵它的數據。
這是關於數據... – sebastiangeiger 2009-10-15 15:33:21
我認爲這的確是所有有關數據，但有沒有到底要什麼，你可以，以便更準確餵它：贏得/失去條紋，運動員生物節律，玩家的女朋友的心情在比賽前，他們最近遭受的輕微/重大傷病，困擾球員等的嬉戲事件等等。
但我不認爲你可以準確預測哪支球隊更有可能獲勝，將只是一個或多或少受過教育的猜測。
+1列出了大量的社會心理因素，使得任何社會事件（不僅僅是遊戲）在一定程度上都是不可預測的。 – wavicle 2014-04-04 19:46:11
我已經用AI來完成一些股票市場預測，我的結論是，使用歷史數據獲得良好結果的AI並不是很難。 在未來贏得交易是另一回事。
交叉驗證應該有助於訓練不會過度訓練數據的網絡。如果您的網絡對於預測的結果比以往的數據不一致，則可能表明它過度訓練數據，或者您的驗證/測試數據中包含訓練數據，這些數據總是會產生樂觀的結果。創建一個合理合理的網絡並不困難（命中率是另一回事）。此外，你需要相對較高的樣本數量，然後才能知道足球結果（1X2）以上/低於預期結果的網絡數量。 – jjmontes 2015-05-04 20:37:33
我的觀點是，事件的不可預測性是由於缺乏信息和理解所致......如果你擁有所有的知識，那麼可以做到。或者，你擁有的知識越多，它可以做得越好。
所以理論上，答案是肯定的。
但是，在實踐中，您可以獲得博士學位，並有一個完整的職業生涯在這個問題上工作，你仍然可能不會成功。
我知道，如果莊家的賠率可能是由ANN捱打， 莊家就已經在使用一個固定的可能性。
莊家不會根據他們對球隊的分析設定線路 - 他們根據他們對球隊公衆對球隊的看法進行分析來設定線路。賭場的理想線是他在線的每一側都有相同數量的賭注 - 然後他保證贏利=失敗者賭注上的「果汁」。他們隨着遊戲方式移動線路以嘗試保持50/50分離。 Bookie可能認爲主隊-5是基於比賽分析的準確線，但是如果他預計主隊將獲得2美元，他不會將線設置爲-5--他將設置爲-7或-8-他預計在-5和+5投注中他們會得到相等的$ $$。
我過去10天剛剛研究過這個問題（預測英超聯賽），並且使用3種不同的方法得出非常相似的結果：SVM，Logistic迴歸和NN。
LR和NN將給出概率。 SVM輸出0/1（但可以調整了probas太（我還沒有嘗試過）。
我需要一個「大規模」（以我的標準，在（近300）設置雖然至少）功能和良好的。數據塊（13歲身價）
回覆數據，我是從網上，只需
結論：我只是匹配精度方面賭一把（在我的情況預測的勝利） 。如果我將預賽賠率添加到特徵組中，我可以得到與預測一致的準確性（如預期的那樣），但並不會更好（當然，這意味着我的特徵集在比賽賠率中總結出來，並且他們有一些額外的頂部的知識）。
我確定有一種方法可以通過改進算法得到更好的準確性，或者更可能是通過非常細化的數據（比如哪些玩家玩哪個遊戲，多少分鐘以及很多玩家歷史數據，從而建立自下而上的團隊績效模型）。
但是底線是我可以證明神經網絡很好地爲此目的工作。支持向量機雖然在我有限的經驗中略勝一籌。
我用NN集合而不是SVM獲得了更好的結果。 300個功能？我使用的是50左右，命中率比我想要的低5％-10％。你用什麼作爲輸入？ – jjmontes 2015-05-04 20:40:19
在我的觀點和經驗中，由於過多的因素在起作用，設計和訓練人工神經網絡將會不合理地複雜和耗時。人工神經網絡擅長模式匹配，而遊戲預測則需要大量的演繹推理，而不僅僅是模式匹配。
但是，如果你想享受學習神經網絡，這將是一個很好的冒險。如果你成功了，你可能想把你的代碼託管到別處去看看和學習！
對於遊戲預測，使用決策樹或規則引擎等將會更容易和更快速。這也不是一件容易的事，但它將是另一個有趣的活動。
隨機數發生器可以預測遊戲的結果。它的正確率很低。 – 2009-10-15 15:27:07
閱讀遊戲雜誌，它們非常可靠。 – powtac 2009-10-15 15:59:05
@powtac正如我在問題文字中所說的。我對學習神經網絡以及如何使用/調整它們比賺錢更感興趣。 – 2009-10-15 18:07:12