Ein Team unter der Leitung von Andreas Groll von der Technischen Universität Dortmund in Deutschland hat maschinelles Lernen und statistische Analysen kombiniert, um herauszufinden, wer ihrer Meinung nach der wahrscheinlichste Gewinner der Weltmeisterschaft 2018 sein wird.
Die Mannschaft simulierte das Fußballturnier 100.000 Mal und verwendete drei verschiedene Modellierungsansätze, die auf den Leistungen aller vorherigen Spiele von 2002 bis 2014 basierten.
Random-Forest-Ansatz
Ihre Papier , pu Diese Woche veröffentlicht, beschreibt die Details der von ihnen verwendeten Technik, den so genannten Random-Forest-Ansatz, eine kürzlich entwickelte Methode zur Analyse großer Datenmengen, die auf dem Konzept basiert, dass ein zukünftiges Ereignis vorhergesagt werden kann. Um seine Prognosen zu erstellen, verwendet diese Methode akomplexer und komplizierter Entscheidungsbaum, in dem ein potenzielles Ergebnis in jedem Zweig anhand eines Satzes von Trainingsdaten geschätzt wird.
Die meisten Entscheidungsbäume werden jedoch in späteren Phasen des Prozesses durch unzuverlässige Entscheidungen belastet, die aufgrund inkonsistenter und verstreuter Trainingsdaten verzerrt sind. Diese Bedingung wird als Überanpassung bezeichnet. Der Random-Forest-Prozess vermeidet dieses Problem, indem er das Ergebnis zufälliger Verzweigungen berechnetmehrmals, jedes Mal mit einem anderen Satz zufällig ausgewählter Zweige.
Das mit dieser Methode erzielte Ergebnis ist ein Durchschnitt dieser vielen zufälligen Entscheidungsbäume und umgeht daher erfolgreich die Überanpassung, während gleichzeitig enthüllt wird, welche Elemente vorhanden sind. am wichtigsten bei seiner Erstellung. Groll und sein Team verwendeten diesen Ansatz, um sicherzustellen, dass so viele potenzielle Faktoren wie möglich berücksichtigt wurden, die das Ergebnis des Spiels bestimmen könnten.
Das Modell des Forschers enthielt offensichtliche Elemente wie die FIFA-Rangliste und relevante Teamstatistiken wie das Durchschnittsalter und die Anzahl der Champions League-Spieler. Das Modell umfasste jedoch auch andere weniger direkt verwandte Elemente wie die Länder.Bevölkerungsraten und BIP und sogar die Nationalitäten der Trainer.
Vorhersagemethoden mit der besten Leistung
Das Team hat dann das extrapoliert leistungsstärkste Vorhersagemethoden und kombiniert diese, um "die Vorhersagekraft erheblich zu verbessern". Schließlich wird diese Kombination von Methoden als endgültiges Modell ausgewählt und basierend auf ihren Schätzungen wird die FIFA Fussball-Weltmeisterschaft 2018 wiederholt simuliert und Gewinnwahrscheinlichkeiten für alle Teams ermittelt ", heißt es in dem Papier.
Der Prozess wurde am Ende ausgewählt Spanien als wahrscheinlichster Gewinner mit a 17,8% Erfolgswahrscheinlichkeit und a 73% Chance auf das Viertelfinale. Die Forscher fügten jedoch hinzu, dass wenn Deutschland Wenn die Gruppenphase des Wettbewerbs geklärt würde, würden sich die Chancen auf das Viertelfinale erhöhen auf 58% .
"Das Modell bevorzugt Spanien etwas vor dem Titelverteidiger Deutschland. Zusätzlich bieten wir Überlebenswahrscheinlichkeiten für alle Teams und in allen Turnierphasen sowie das wahrscheinlichste Turnierergebnis", schloss das Papier.
Wenn sich die Ergebnisse bei der Weltmeisterschaft 2018 als wahr erweisen, würde die Studie eine völlig neue Branche für das maschinelle Lernen einführen. Die neue Methode könnte sogar dazu führen, dass Buchmacher überholt sind.
Via : Arxiv.org