Python 神经网络预测足球成绩

我正在和朋友们进行一个小竞赛：我们正在为即将到来的世界杯编写模型，看看谁的模型能从小费游戏中得到最多的分数

因此，我的方法是编写一个神经网络，并根据之前的世界杯结果对其进行训练，以获得预期的获胜率（当时），从而最大化小费游戏的得分（例如，准确得分6分，4个正确的进球差，3个正确的赢家）

不同站点（bwin等）的废品率，让网络为我提示

我熟悉线性代数、概率演算等，但从未编写过神经网络程序

因为我没有太多时间了，有人能帮我选择最好的方法（比如我应该使用哪个概念/算法）或者给我一个类似问题的教程或者适合的方法吗

最好的，

---

汉内斯

我在2017年英国超级联赛赛季就这样做了。然而，我积累了前19场（38场比赛中的19场），以便尝试和帮助我的预测

我将以以下方式对此进行攻击

• 在团队中获取数据（你认为数据将留给你）
• 了解以往比赛的历史（我个人认为这不会有什么帮助，因为球队变化太大了）
• 蟒蛇
  • 熊猫
    • 创建新功能
  • 凯拉斯
  • 模仿

当我在英国超级联赛踢球时，预测准确率约为62%。那么如何让它变得更好呢

• 旅行距离
  • 提高了1.2%。有些球队似乎不喜欢旅行
• 天气
  • 我在比赛开始的时候得到了每个场地的天气预报（真痛苦）
  • 精确度提高了0.5%

---

我没有做的是得到每天每场比赛的球员名单。并将诸如长跑、传球率、进球、犯规、黄牌等因素归为属性

：搜索“预测足球的机器学习模型”——对于SOWelcome来说，它太宽泛了。请查看页面，了解如何提高获得有意义帮助的机会。祝你好运：）投票结束，因为范围太广和/或请求非现场资源。我完全知道这个问题非常广泛，我只希望其他用户对我的问题有一些想法/意见。因为我不知道从哪里开始，每个人的意见都会有帮助，搜索也不会有多大帮助。我只需要一个方向。@GerardJúlio我完全理解并能理解它，但过于宽泛的问题对于任何人来说都太难和不切实际了，以至于无法尝试以有意义的方式回答。考虑一下Meta Pr.@雷，但是我已经有了一个非常有趣的答案，因为你，线程不久就被关闭了。那使我觉得你错了听起来很酷！Thx为熊猫和Keras提供提示（prob也将使用Tensorflow）！因此，我只需要从博彩网站获取费率，尝试将其转换为分数（例如，1:2），并尝试最大化游戏分数（例如，对于正确的结果，您得到6分，正确的趋势3分，等等），这很有趣！如果你积累了前19个游戏，然后把你的ML应用到数据上，你会考虑使用Bayes之类的东西吗？虽然数据集可能太小，但我没有考虑使用BaySee，主要是因为我试图使用KALAS/ML，我认为这将是一个有趣的项目。我担心世界杯数据集太小，任何ML都会受到大量过度拟合的影响。