さまざまなNFLデータセットがあり、それらは良いサイドプロジェクトになりそうですが、まだ何もしていません。
このサイトに来て、機械学習アルゴリズムについて考えました。サッカーの試合の結果や次の試合の結果を予測するのにどれほど優れているのか疑問に思いました。
特定できる傾向があるように思われます。3日目と1日目には、理論的に強いランニングバックを持つチームは、その状況でボールを走らせる傾向があります。
得点を予測するのはより難しいかもしれませんが、勝利チームはそうかもしれません。
私の質問は、これらが機械学習アルゴリズムに投げかけるのに適した質問かどうかです。以前に1000人が試したことがあるかもしれませんが、スポーツの性質上、信頼性の低いトピックになっています。
回答:
サッカー（および一般的にスポーツ）については、アルゴリズムに投げて何が出てくるかを見るのに素晴らしい質問がたくさんあります。難しいのは、アルゴリズムに何を投げるのかを知ることです。
優れたRBを備えたチームは、たとえば対戦相手がおそらく走りを期待しているという理由だけで、3番目に短いパスを渡すことができます。したがって、いくつかの価値ある結果を実際に生成するために、問題を小さな断片に分割し、それらを機械に投げながら統計的に分析します。
同じことをしようとするいくつかの（良い）Webサイトがあります。チェックアウトし、見つけたものを使用してください：
そして、もしあなたが本当にスポーツデータ分析を探求したければ、あなたは間違いなくスローンスポーツカンファレンスのビデオをチェックすべきです。それらの多くはYoutubeで広まっています。
はい。何故なの？！各ゲームの各スポーツには大量のデータが記録されているため、データを賢く使用することで、プレーヤーのパフォーマンスに関する重要な洞察を得ることができます。
いくつかの例：
そのため、はい、プレーヤーの記録の統計分析は、どのプレーヤーがパフォーマンスする可能性が高いかについての洞察を提供できますが、どのプレーヤーがパフォーマンスするかについてはわかりません。したがって、統計分析の密接な従兄弟である機械学習は、ゲームチェンジャーになることが証明されます。
もちろんできます。あなたを素敵な紙に向けることができます。かつてサッカーリーグの結果予測アルゴリズムの実装に使用し、主にブックメーカーに対して何らかの価値を持たせることを目指しました。
論文の要約から：
リーグ内のすべてのチームの時間依存スキルを推定し、来週末のサッカーの試合を予測するベイジアン動的一般化モデル。
キーワード：
動的モデル、一般化線形モデル、グラフィカルモデル、マルコフ連鎖モンテカルロ法、サッカー試合の予測
引用：
Rue、Havard、およびOyvind Salvesen。「リーグでのサッカーの試合の予測と遡及分析。」Journal of the Royal Statistical Society：Series D（The Statistician）49.3（2000）：399-418。
機械学習と統計手法は予測を改善できますが、実際の結果を予測することはできません。
数か月前に2014 NCAAトーナメントの予測についてkaggleコンテストがありました。コンペティションフォーラムを読んで、人々が何をし、どのような結果を達成したかについて、より良いアイデアを得ることができます。
スポーツの結果を予測するために機械学習技術を適用できることが以前に示されています。簡単なグーグル検索では、多くの結果が得られます。
ただし、非常に複雑な予測モデル、単純な予測モデル、疑問のある人々、または賭け情報を利用した群衆の知識も、ほぼ同じように機能することが示されています（NFL btwの場合）。出典：「答えがわかれば、すべてが明白になる-常識がいかに失敗するか」、第7章、ダンカンワッツ。
Michael Maouboussinは、彼の著書「The Success Equation」で、スポーツを含むさまざまな取り組みのスキルと運を区別しています。彼は実際、さまざまなスポーツのパフォーマンスに貢献する運の量によってスポーツをランク付けし（p。23）、サッカーのパフォーマンスの約2/3はスキルに起因しています。対照的に、私はMMの技術を使用してF1レースのパフォーマンスを分析し、60％がスキルに起因することを発見しました（予想していたよりも少ないです）。
そうは言っても、この種の分析は、十分に詳細で細工された機能セットにより、MLアルゴリズムがNFLチームのパフォーマンスを、おそらくプレイレベルまでも予測できることを意味するようです。ゲームの運の。
私はそれについていくつか読みましたが、次のブログを念頭に置いていました。
このブログでは、ハーフタイムがすでに終わった後のNFL試合の予測を扱っています。予測は、シンプルなGLMモデルで80％正確です。
それがサッカーに適しているかどうかはわかりません。
私はこの分野でいくつかの研究を行ってきました。さまざまなスポーツにわたるゲームスコアのダイナミクスを予測するために、一次マルコフチェーンがうまく機能することがわかりました。
詳細については、http： //www.epjdatascience.com/content/3/1/4をご覧ください。
彼らは予測できませんが、最も可能性の高い結果を伝えることができます。Etienne - Wolfram Languageでワールドカップに勝つ人を予測することから、この種のアプローチに関する研究があります これは非常に詳細な調査であるため、予測の取得に使用されるすべての方法論を確認できます。
興味深いことに、15試合中11試合が正しかった！
予想されるように、ブラジルは42.5％の確率でお気に入りです。この印象的な結果は、ブラジルが最高のEloランキングを持ち、自宅でプレーしているという事実によるものです。
（ブラジルに行こう！）