【技术实现步骤摘要】
一种基于机器学习的足球比赛胜负实时预测方法
本专利技术涉及足球比赛胜负预测领域,特别是涉及一种基于机器学习的的足球比赛实时胜负预测方法
技术介绍
足球作为世界最受欢迎的体育运动,能带来明显的经济效益和社会效益。中国足球成绩虽然不是非常理想,但其市场在国内仍然占据主导地位。因此足球产业的进步对整个国内体育市场的扩大有着积极的促进作用。足球比赛的数据分析可以定量的表示球场信息以及球员状态,为战术安排制定以及比赛胜负走势预测提供可靠的帮助。在足球比赛胜负预测方面,目前绝大多数方法都是针对赛前预测,这类方法主要根据球队的综合实力进行预测。足球比赛瞬息万变,只根据球队历史信息进行预测存在一定的局限性。一场足球比赛的胜负,还会与比赛过程中球员的竞技状态、比赛过程中发生的事件信息有关。随着机器学习的发展,机器学习的算法思想在具体的工程问题上已应用很多有效的方法,这也为足球比赛的实时胜负预测提供了解决方法。
技术实现思路
为了解决上述技术问题,提供一种基于机器学习的足球比赛胜负实时预测方法,解决了当前足球比赛的胜负预测只能根据历史信息,无法利用比赛当场信息而导致实时性不高的问题。为实现上述目的,本专利技术提出了一种基于机器学习的足球比赛胜负实时预测方法,包括如下步骤:S1:根据足球比赛不同类型的特征数据,将每场足球比赛的特征数据划分为球队及球场信息、事件流信息、轨迹信息三部分;S2:对所有足球比赛历史数据进行特征提取和筛选,并确定历史球员的评分标签,将筛选后的足球比赛历史数据与所述 ...
【技术保护点】
1.一种基于机器学习的足球比赛胜负实时预测方法,其特征在于,包括如下步骤:/nS1:根据足球比赛不同类型的特征数据,将每场足球比赛的特征数据划分为球队及球场信息、事件流信息、轨迹信息三部分;/nS2:对所有足球比赛历史数据进行特征提取和筛选,并确定历史球员的评分标签,将筛选后的足球比赛历史数据与所述历史球员的评分标签进行整合,构建历史数据集;/nS3:将所述历史数据集划分为训练集和测试集,并确定评价指标和评价模型,得到球员的历史评分;/nS4:对所有足球比赛实时数据进行特征提取和筛选,并设置所述事件流信息的标签,将筛选后的足球比赛实时数据与所述事件流信息标签进行整合,构建实时数据集;/nS5:将所述实时数据集划分为训练集和测试集,并确定评价指标、评价模型和评分算法,得到球员的实时评分;/nS6:将所述球员的历史评分和所述球员的实时评分进行特征融合并扩展,生成新的特征数据集;/nS7:将所述新的特征数据集划分为训练集和测试集,并确定评价指标和预测算法,训练出预测模型得到预测结果。/n
【技术特征摘要】
1.一种基于机器学习的足球比赛胜负实时预测方法,其特征在于,包括如下步骤:
S1:根据足球比赛不同类型的特征数据,将每场足球比赛的特征数据划分为球队及球场信息、事件流信息、轨迹信息三部分;
S2:对所有足球比赛历史数据进行特征提取和筛选,并确定历史球员的评分标签,将筛选后的足球比赛历史数据与所述历史球员的评分标签进行整合,构建历史数据集;
S3:将所述历史数据集划分为训练集和测试集,并确定评价指标和评价模型,得到球员的历史评分;
S4:对所有足球比赛实时数据进行特征提取和筛选,并设置所述事件流信息的标签,将筛选后的足球比赛实时数据与所述事件流信息标签进行整合,构建实时数据集;
S5:将所述实时数据集划分为训练集和测试集,并确定评价指标、评价模型和评分算法,得到球员的实时评分;
S6:将所述球员的历史评分和所述球员的实时评分进行特征融合并扩展,生成新的特征数据集;
S7:将所述新的特征数据集划分为训练集和测试集,并确定评价指标和预测算法,训练出预测模型得到预测结果。
2.根据权利要求1所述的一种基于机器学习的足球比赛胜负实时预测方法,其特征在于,所述S2具体为:
S21:对所有足球比赛历史数据进行所述球队及球场信息和所述轨迹信息的特征提取,并对特征提取后的足球比赛历史数据进行筛选;
S22:球员的历史评分标签来自于Whoscore网站,并且通过比赛日期、球队和球衣号码与筛选后的历史特征数据进行整合,构建历史数据集。
3.根据权利要求2所述的一种基于机器学习的足球比赛胜负实时预测方法,其特征在于,
所述主客队信息包括主客队球员名称、司职位置、球场尺寸;
所述比赛事件信息包含足球比赛过程中发生的事件,记录了事件相关球员、事件名称、事件发生坐标;
所述坐标信息用于记录每一个事件流所有...
【专利技术属性】
技术研发人员:刘壮,曾丹,李根武,盛志超,
申请(专利权)人:上海大学,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。