Machine learning 机器学习算法混乱
我用机器学习做了一个关于板球预测的小应用。 我记录了10年(2001-2011年)的ODI比赛,并准备了一套训练集 现在,为了预测某支球队的胜负,我考虑了各种因素 例如,这是一场在印度万赫德体育场举行的印度对澳大利亚的比赛Machine learning 机器学习算法混乱,machine-learning,svm,bayesian,logistic-regression,Machine Learning,Svm,Bayesian,Logistic Regression,我用机器学习做了一个关于板球预测的小应用。 我记录了10年(2001-2011年)的ODI比赛,并准备了一套训练集 现在,为了预测某支球队的胜负,我考虑了各种因素 例如,这是一场在印度万赫德体育场举行的印度对澳大利亚的比赛 印度过去10年的记录 印度过去两年的记录。(最新表格) 印度过去10年在印度的记录 印度过去两年在印度的记录。(最新表格) 印度在万凯德的记录,过去10年 印度在Wankhede的记录,过去两年。(最新表格) 澳大利亚过去10年的记录 澳大利亚过去两年的记录 澳大利亚在过去1
现在,这可能是一个错误的方法去做这个总和,替代方法是受欢迎的 这是一个简单的线性模型,您甚至不拟合模型的权重,而是使用常量值。线性模型使用
cl(x) = sgn(<w,x>+b) = sgn( SUM w_i x_i + b )
cl(x)=sgn(+b)=sgn(和w_i x_i+b)
其中x是数据点(x_i是第i个特征)。在您的例子中,all w_i=1(您只需添加所有特性,仅此而已)。称这个“定理”太过分了,它只是一个先验假设(因为你没有训练它)琐碎的(因为它由常量值组成,没有专家知识)线性模型(因为它使用特征的加权和)。这是一个有趣的板球比赛获胜团队预测。它不仅限于一项运动,而且在各种运动中,您可以在比赛开始之前建立ML模型来预测比赛结果 这是我对ICC世界杯板球比赛的研究。我们使用了非逻辑回归模型。然而,在这种情况下,我们稍微超过了2001年,我们建立了一个基于1987年数据的模型
Github链接:这个问题主要是关于统计数据,而不是编程,所以我认为StackOverflow的主题不在这里。但这肯定是一个主题。现在,一旦提案启动,这将更加适合。