Програмний комплекс для аналізу статистики футбольних матчів та прогнозування результатів на основі машинного навчання

Автор(и)

DOI:

https://doi.org/10.26642/ten-2022-2(90)-70-78

Ключові слова:

статистика; футбол; аналіз даних; прогнозування; машинне навчання

Анотація

Досліджується застосування методів машинного навчання для прогнозування результатів футбольних матчів. Розглядається задача аналізу футбольної статистики за допомогою контрольованого машинного навчання. Для цього було сформовано спеціальний набір даних, який подається на вхід системи. Модель машинного навчання аналізує зв’язки між різними статистичними даними та відстежує залежності між ними. Здійснено побудову моделі, її навчання та тестування із використанням бібліотеки «Keras». Для візуального відображення отриманих даних було створено сайт. Для його розробки використовувалися сучасні технології. Клієнтська частина розроблена засобами HTML, CSS та JavaScript. Серверну частину розроблено з використанням мови PHP та фреймворку Yii2. Досліджено якість роботи пропонованої моделі машинного навчання порівняно з реальними результатами футбольних матчів. Найкращі результати роботи досягаються при комбінуванні даних, що подаються на вхід системи, з турнірних таблиць п’яти найбільших чемпіонатів Європи, починаючи з сезону 2014/2015, в один великий масив даних, а не для кожного чемпіонату окремо. Оптимальної точності прогнозів результатів запропонована модель машинного навчання набуває при її навчанні протягом 20 епох.

Посилання

Kimberly, E. (2010), Production Planning and Inventory Control, McGraw-Hill, 550 p.

Hoskin, R. (2020), Revisiting BT Sport's 'The Script' after they attempted to predict the entire 2019/20 Season, [Online], available at: https://www.givemesport.com/1587003-revisiting-bt-sports-the-script-after-they-attempted-to-predict-the-entire-201920-season

Riaz, A. (2020), Supercomputer Predicts The Full Premier League Table For The 2020-21 Season, [Online], available at: https://cutt.ly/QMnkd9W

Kress, G. and Snyder, J. (1994), Forecasting and Market Analysis Techniques: A Practical Approach, Quorum Books, 304 p.

FlashScore, [Online], available at: https://www.flashscore.com

Yam, D. (2019), Attacking Contributions: Markov Models for Football, StatsBomb, [Online], available at: https://statsbomb.com/articles/soccer/attacking-contributions-markov-models-for-football

VAEP (Valuing Actions by Estimating Probabilities) is a framework for valuing player actions in soccer, [Online], available at: https://dtai.cs.kuleuven.be/sports/vaep

Rotshtejn, O.P. (1999), Intelektual'ni tehnologii' identyfikacii': nechitki mnozhyny, genetychni algorytmy, nejronni merezhi, UNIVERSUM-Vinnycja, Vinnycja, 320 p.

Understat, [Online], available at: https://understat.com

Yii Framework, Pro Yii – Ukrai'ns'ka spil'nota, [Online], available at: https://yiiframework.com.ua/uk/doc/guide/2

Список використаної літератури:

Kimberly E. Production Planning and Inventory Control / E.Kimberly. – McGraw-Hill, 2010. – 550 с.

Hoskin R. Revisiting BT Sport's 'The Script' after they attempted to predict the entire 2019/20 season / R.Hoskin. – 2020 [Electronic resource]. – Access mode : https://www.givemesport.com/1587003-revisiting-bt-sports-the-script-after-they-attempted-to-predict-the-entire-201920-season.

Riaz A. Supercomputer Predicts The Full Premier League Table For The 2020-21 Season / A.Riaz. – 2020 [Electronic resource]. – Access mode : https://cutt.ly/QMnkd9W.

Кress G. Forecasting and Market Analysis Techniques: A Practical Approach / G.Kress, J.Snyder. – Quorum Books, 1994. – 304 с.

FlashScore [Electronic resource]. – Access mode : https://www.flashscore.com.

Yam D. Attacking Contributions: Markov Models for Football / D.Yam // StatsBomb. – 2019 [Electronic resource]. – Access mode : https://statsbomb.com/articles/soccer/attacking-contributions-markov-models-for-football.

VAEP (Valuing Actions by Estimating Probabilities) is a framework for valuing player actions in soccer [Electronic resource]. – Access mode : https://dtai.cs.kuleuven.be/sports/vaep.

Ротштейн О.П. Інтелектуальні технології ідентифікації: нечіткі множини, генетичні алгоритми, нейронні мережі / О.П. Ротштейн. – Вінниця : УНІВЕРСУМ-Вінниця, 1999. – 320 с.

Understat [Electronic resource]. – Access mode : https://understat.com.

Про Yii – Українська спільнота / Yii Framework [Електронний ресурс] – Режим доступу : https://yiiframework.com.ua/uk/doc/guide/2.

##submission.downloads##

Опубліковано

2022-12-19

Як цитувати

Кушнір, Н. О., Лисогор, Ю. І., Лімінович, І. Д., Локтікова, Т. М., & Морозов, А. В. (2022). Програмний комплекс для аналізу статистики футбольних матчів та прогнозування результатів на основі машинного навчання. Технічна інженерія, (2(90), 70–78. https://doi.org/10.26642/ten-2022-2(90)-70-78

Номер

Розділ

ІНЖЕНЕРІЯ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ