Java Foosball结果预测

在我们的办公室，我们经常在下班后玩几轮足球/桌上足球。我编写了一个小java程序，从可用的球员中生成随机的2vs2阵容，然后将比赛结果存储在数据库中

目前对结果的预测使用了4名参赛选手之前所有比赛结果的简单平均值。这给出了一个非常粗略的估计，但我想用更复杂的东西来代替它，考虑到以下因素：

• 球员作为进攻球员可能打得好，但作为防守球员可能打得不好（反之亦然）
• 球员在对抗特定对手时表现出色/对抗其他对手时表现不佳
• 有些团队合作得很好，其他团队则不然
• 技能随时间而变化

尽可能准确地预测比赛结果的最佳算法是什么

有人建议用神经网络来做这个，听起来很有趣。。。但我没有足够的知识来说明这是否可行，我也怀疑这可能需要太多的游戏才能得到合理的训练

编辑：
由于一些项目的最后期限，不得不从这件事上休息更长的时间。为了使问题更加具体：

给定以下mysql表，其中包含迄今为止进行的所有比赛：

table match_result

match_id      int pk
match_start   datetime
duration      int (match length in seconds)
blue_defense  int fk to table player
blue_attack   int fk to table player
red_defense   int fk to table player
red_attack    int fk to table player
score_blue    int
score_red     int

如何编写函数predictResult（blueDef、blueAtk、redDef、redAtk）{…}

---

为了尽可能精确地估计结果，执行任何sql、进行计算或使用外部库？

为什么要使用neuralnet？使用统计数据，可能每个玩家之间的相关性是一个很好的衡量标准。

首先，让我们收集一些信息： 对于给定的玩家，我们需要：

他们打的位置

总分

一个好的攻击者会得分。 一个好的后卫会阻止得分

---

真正的信息将来自一个好的攻击者与一个好的防守者的较量。

尝试应用朴素贝叶斯分类器

贝叶斯学习是一种概率学习 基于 假设 利息由概率决定 分布及其优化 决策可以通过推理做出 把这些概率加在一起 利用观测数据。[Mitchell，T。 （1997），机器学习]

相同的球员分布可能会导致不同的比赛结果。如果数据中有一个模式，一个基于变量的模式，朴素贝叶斯分类器可能会产生很好的结果

算法不是很复杂。我认为，一个具备一定概率知识的人，能够理解并应用它

在入侵检测系统中，它通过查看各种网络参数来确定网络异常。贝叶斯方法可能在特定类型的数据中非常成功，并产生高TP和低FP率。但这也可能导致高FP率，这取决于你的数据。您的数据将决定最佳方法

您可以使用数据挖掘软件库Weka（），并尝试不同的算法。它包含朴素贝叶斯分类器。

---

试试看。

一个选择是试着猜测点扩散为。如果你的游戏比玩家多，你可以通过构建所有游戏的游戏矩阵（一队中的玩家+1，另一队中的玩家+1，观众0）和排列的结果向量，对每个玩家的分数进行最小二乘拟合。

使用TrueSkill算法，这一点非常好。我已经为foosball和chess实现了它，它运行得非常好。同事们告诉我，它在这方面做得太好了

---

有关其工作原理的完整详细信息以及到我的实现的链接，请参阅我的“”博客文章。

。有些人认为神经网络适用于一切事物；请参阅每日WTF:：-）