Question

我使用机器学习做了一个关于板球预测的小应用程序。我记录了10年（2001-2011）ODI比赛的记录，并准备了训练集。

现在预测特定团队的输赢，我考虑了各种因素。

例如，这是印度Wankhede体育场的印度与澳大利亚比赛。

印度过去10年的记录。
印度过去两年的记录。（最近的表格）
印度过去10年在印度的记录。
印度过去两年在印度的记录。（最近的表格）
印度在Wankhede的记录，过去10年。
印度在Wankhede的记录，过去2年。（最近的表格）
澳大利亚过去10年的记录。
澳大利亚过去两年的记录。
澳大利亚过去十年对印度的记录。
澳大利亚过去两年对印度的记录。
澳大利亚近10年来在印度对印度的记录。
澳大利亚过去2年在印度对印度的记录。

所以我们采取了所有的概率，例如，印度在10年中打了322场比赛并赢得了140场比赛，因此获胜概率为140/322，等等所有其他因素。现在我们最终添加了所有概率，并获得了两个国家的赢利损失百分比。我想知道它是什么样的定理。它起初是NaïveBayes，但在NaïveBayes中，我们将概率乘以，与此不同。你可以在这里查看实施， http://www.manzarict.org/cricket 我们使用基本的PHP，以便我们可以使用SQL查询更快地找到概率。现在这可能是一个错误的方法来实现这个总和，欢迎替代方法。

Answer 1

接近板球比赛获胜球队预测很有趣。它不仅限于一项运动，而且在各种运动中，您都可以构建ML模型来预测比赛结果，甚至可以开始比赛。

这是我对ICC世界杯板球2019预测的研究。我们使用了-Logistic回归模型。但是，在这种情况下，我们已经略微超过了2001年，并基于1987年的数据构建了一个模型。

Github链接：https://github.com/RutvijBhutaiya/Cricket-World-Cup-2019

Answer 2

这是一个简单的线性模型，你甚至不适合模型的权重，而是使用常数值。线性模型使用

进行缺陷

cl(x) = sgn(<w,x>+b) = sgn( SUM w_i x_i + b )

其中x是您的数据点（x_i是ith功能）。在你的情况下，所有w_i = 1（你只需添加所有功能，全部）。打电话给这个＆＃34;定理＆＃34;会是太多，它只是一个先验假设（因为你不训练它）琐碎（因为它由常数值，没有专业知识组成）线性模型（因为它使用加权的特征总和）。

机器学习算法混淆

2 个答案: