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

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10年中对印度的记录

澳大利亚在过去两年中对印度的记录

澳大利亚过去10年在印度对印度的记录

澳大利亚在过去两年中在印度对印度的记录

所以我们计算了所有概率， 例如，印度在10年内打了322场比赛，赢了140场，因此获胜概率为140/322，依此类推。 现在我们把所有的可能性加起来，得到了两国的输赢百分比。 我想知道这是什么样的定理。 它一开始是幼稚贝叶斯，但在幼稚贝叶斯中，我们乘以概率，不像这里。 您可以在这里检查实现， 我们使用基本PHP，以便使用SQL查询更快地找到概率。

---

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。