機器學(xué)習(xí)預(yù)測世界杯的結(jié)果你相信嗎？機器學(xué)習(xí)的應(yīng)用

3天后，2018年俄羅斯世界杯開打，首場比賽是東道主俄羅斯對陣沙特阿拉伯，將于6月14日拉開序幕。

每屆世界杯最受關(guān)注的當(dāng)屬決賽，上屆2014年巴西世界杯，東道主巴西隊意外爆冷，只獲得第四名，無緣決賽。今年的世界杯，不少機構(gòu)/研究人員給出預(yù)測：德國將和巴西爭奪冠軍，并且，巴西隊奪冠的概率更大些。

綜合各種預(yù)測和民意調(diào)查，冠軍幾乎肯定在巴西、德國和阿根廷之間展開，雖然強強爭鋒喜聞樂見，但似乎也少了些驚喜。

機器學(xué)習(xí)和大數(shù)據(jù)的方法正越來越多地被用在比賽結(jié)果預(yù)測上，不僅是世界杯，也不僅是結(jié)果，球隊組成、戰(zhàn)術(shù)選擇和球員訓(xùn)練都已經(jīng)開始見到機器學(xué)習(xí)的身影。對于球迷和觀眾而言，人工智能也將展開一種全新的參與/觀看體育賽事的體驗。

機器學(xué)習(xí)預(yù)測結(jié)果：巴西獲得冠軍

肯尼亞的投資銀行Genghis Capital Investment Bank的投資銀行分析師Gerald Muriuki，日前在Medium上公布了他使用機器學(xué)習(xí)預(yù)測FIFA 2018的結(jié)果——巴西將贏得冠軍。

這一結(jié)果跟微軟的AI和數(shù)據(jù)科學(xué)專家Sorin Peste的預(yù)測結(jié)果一致。

實際上，預(yù)測世界杯冠軍是一個典型的機器學(xué)習(xí)問題，你首先預(yù)測每場比賽的獲勝者，接著再預(yù)測小組賽、半決賽和決賽的冠軍。在這個過程中，你需要進行數(shù)據(jù)整合、特征建模和結(jié)果預(yù)測。因此，很多機器學(xué)習(xí)或數(shù)據(jù)科學(xué)家，都做過類似的項目。

Muriuki和Peste兩個人都是根據(jù)足球比賽的歷史數(shù)據(jù)，建立機器學(xué)習(xí)模型，模擬比賽，并預(yù)測這些比賽的結(jié)果。下面我們分別來看看。

使用邏輯回歸進行預(yù)測

Muriuki使用了兩個來自Kaggle的數(shù)據(jù)集，包含了從1872年到2017年國際足球比賽的結(jié)果。他先分析了兩個數(shù)據(jù)集，做了一些特征工程，選擇跟2018年世界杯最相關(guān)的特征進行預(yù)測，再足控了一些數(shù)據(jù)增強。

在模型的選擇上，Muriuki用的是邏輯回歸，一種分類器算法。邏輯回歸通過使用邏輯函數(shù)預(yù)估概率，從而衡量分類因變量和一個或多個自變量之間的關(guān)系。簡單說，給定一組相關(guān)的數(shù)據(jù)后，邏輯回歸能夠預(yù)測結(jié)果（在世界杯的情況下，就是預(yù)測是輸還是贏）。

這是他的模型預(yù)測最初幾場比賽的結(jié)果：俄羅斯vs沙特，俄羅斯勝利；烏拉圭vs埃及，烏拉圭勝利；伊朗vs摩洛哥，平局。4天以后就可以驗證這個結(jié)果是對還是錯了。

16強的結(jié)果是這樣的：

四分之一決賽將在葡萄牙vs巴西，以及德國vs阿根廷之間展開。

最終巴西vs德國，巴西獲勝。

使用隨機森林進行預(yù)測

另一方面，微軟的AI和數(shù)據(jù)科學(xué)專家Sorin Peste的預(yù)測過程則更加完善。在數(shù)據(jù)的選擇上，除了歷年世界杯結(jié)果，Peste還使用了歐洲杯、奧運會等大型比賽的數(shù)據(jù)，以及這些比賽的勝率分布。

此外，Peste還考慮了比賽的地址，也即是在主場、客場還是在雙方都無關(guān)的中立場所，以及比賽是否“friendly”，在踢friendly比賽時，目的不是為了贏球，而是為了觀察對手的球員和策略。

在模型的選擇上，Peste用的是隨機森林（深度500），一種根據(jù)呈現(xiàn)給它的特征生成多個決策樹的算法，并且每個單獨的樹對每個新輸入向量的結(jié)果“投票”。隨機森林的速度快，相當(dāng)準(zhǔn)確，可以對泛化誤差進行無偏估計，因此不需要交叉驗證。

下圖展示了迭代1000次后的結(jié)果，巴西獲勝，阿根廷第二。

統(tǒng)計的方法：德國戰(zhàn)車險勝巴西

當(dāng)然，除了機器學(xué)習(xí)，還有更多預(yù)測是使用大數(shù)據(jù)方法。KDnuggets上一位狂熱球迷用統(tǒng)計的方法，預(yù)測德國隊會奪冠。他的操作步驟如下：

收集信息:

國際足聯(lián)世界排名：這是所有211支國家足球隊的排名系統(tǒng)。使用積分系統(tǒng)，積分是基于所有FIFA認(rèn)可的國際比賽的結(jié)果。然而，這并不是最好的系統(tǒng)，而且有很多缺點。

Elo評級：該系統(tǒng)最初是為國際象棋聯(lián)合會FIDE開發(fā)的，目的是給棋手打分。它的復(fù)雜矩陣根據(jù)比賽的類型分配點數(shù)，并考慮到雙方的凈勝球差異。它和國際足聯(lián)的主要不同之處在于，它也統(tǒng)計了友誼賽的數(shù)量。

TransferMarkt team value：這個總部位于德國的網(wǎng)站提供了關(guān)于足球各個方面的信息，包括每個知名球員的估計市值。他們列出了參與國的名單和他們的團隊價值。

投注賠率：使用投注比較網(wǎng)站OddsChecker，采用每個國家最慷慨的賠率。

TransferMarkt的數(shù)字是歐元，而FIFA和Elo有他們自己的評級系統(tǒng)，投注賠率是分?jǐn)?shù)。作者將每一個系統(tǒng)都標(biāo)準(zhǔn)化，使它們具有可比性。在統(tǒng)計中，標(biāo)準(zhǔn)分?jǐn)?shù)（也稱為z分?jǐn)?shù)/值，正常分?jǐn)?shù)或標(biāo)準(zhǔn)化值）是數(shù)值與平均值不同的標(biāo)準(zhǔn)偏差數(shù)。

2018年世界杯，四個流行的預(yù)測來源

KDnuggets預(yù)測的z分?jǐn)?shù)

如果KDnuggets的預(yù)測是正確的，那么世界杯小組賽的結(jié)果會是下面這樣的：

研究結(jié)果引出了一些有趣的結(jié)論：

德國排名第一，但僅略高于巴西。緊隨其后的是西班牙和法國。

Elo排名系統(tǒng)和投注幾率看起來最相似，都列出了相同的前五名(上面提到的四個球隊和阿根廷)。

在整個體系中有一些鮮明的對比，其中最引人注目的是秘魯在國際足聯(lián)(FIFA)和Elo排名中z分?jǐn)?shù)都排在第10位，而在TrasferMarkt的球隊價值排名卻在第30位。

民意調(diào)查：德國、巴西、阿根廷最受歡迎

除了KDnuggets上的預(yù)測，還有諸多世界杯賽前的其他預(yù)測：

《每日電訊報》對每支球隊進行了廣泛的分析，最后進行了一項投票，讓讀者預(yù)測冠軍，投票結(jié)果如下：

此外，據(jù)中新網(wǎng)報道，俄羅斯彼爾姆國立研究大學(xué)學(xué)生維克多?扎科派洛建立了一個能預(yù)測2018年世界杯冠軍的神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)綜合各項參數(shù)進行分析計算后得出結(jié)論稱，世界杯前三名將是德國隊、巴西隊和阿根廷隊。

四年前，巴西在家門口以1：7輸給了德國隊，創(chuàng)下了自1920年0：6輸給烏拉圭以來最大的世界杯輸球記錄，震驚全國人民。最終，德國隊奪得了當(dāng)年的世界杯冠軍。

今年的俄羅斯世界杯，諸多機構(gòu)預(yù)測巴西和德國將上演冠軍大戰(zhàn)。巴西能否一雪前恥，德國能否成功衛(wèi)冕？我們拭目以待。