Как построить модель машинного обучения для прогнозирования результатов футбольных матчей и вероятностей победы/ничей/пр ⇐ Python

[Anonymous]

Я хочу создать модель прогнозирования, которая сможет предсказать исход футбольного матча до его начала. Цель состоит в том, чтобы предсказать:

• Точные результаты счета (например, 1–0, 1–1, 2–1, 1–2 и т. д.)
• Вероятности победы/ничьи/проигрыша
• Вероятности для конкретной команды (% побед дома, % побед на выезде, ничья) %)

Я был бы признателен за советы от всех, кто работал над чем-то подобным, особенно по следующим вопросам:

• Подход к моделированию
  • Какие алгоритмы обычно используются для решения этой задачи?
    
    (например, регрессия Пуассона, двумерный метод Пуассона, XGBoost, нейронные сети, байесовские модели и т. д.)
  • Как вы обычно комбинируете прогнозирование очков с вероятностями победы/ничей/проигрыша?
• Функции
  • Часто используемые входные функции (сила команды, недавняя форма, xG, домашняя страница) преимущество, травмы, шансы и т. д.)
  • Как обрабатывать категориальные данные, такие как команды и лиги
• Наборы данных
  • Общедоступные наборы данных, обычно используемые для прогнозирования футбольных матчей
  • Типичный размер набора данных (количество матчей/сезонов)
  • Любые рекомендуемые источники (например, Kaggle, FBref, Understat, Football-Data и т. д.)
• Оценка
  • Метрики, используемые для оценки прогнозов оценок по сравнению с вероятностью результата.
  • Распространенные ошибки, которых следует избегать (переоснащение, утечка данных, дрейф концепций)
• Существующие инструменты или проекты с открытым исходным кодом
  • Ссылки на GitHub репозитории, статьи или блоги, в которых объясняется, как создаются такие модели.

Я открыт для использования традиционных подходов ML, глубокого обучения или искусственного интеллекта.

Подробнее здесь: https://stackoverflow.com/questions/798 ... -and-win-d