基于长短期记忆模型分析板球比赛结果预测
机器学习
2020-11-05 v1
摘要
随着技术进步，借助先进传感器在体育领域收集了大量数据。体育分析正是研究这些数据以为球队及其球员提供建设性优势。国际板球运动在全球广受欢迎。近来，多种机器学习技术被用于分析板球比赛数据并预测比赛胜负。一般而言，这些模型利用整体比赛级统计（如球队、场地、平均跑动率、胜差等）在比赛开始前预测结果。然而，极少有工作基于逐球级统计提供洞察。本文提出一种新颖的循环神经网络模型，可在给定逐球统计的条件下定期预测比赛胜率。长短期记忆（LSTM）模型以逐球特征及来自训练集的比赛级细节作为输入，在比赛任意时刻给出获胜预测。此类洞察将帮助球队在每球之后预测其获胜概率，并协助确定应在比赛策略中做出的关键临场调整。
引用
@article{arxiv.2011.02122,
title = {Analysing Long Short Term Memory Models for Cricket Match Outcome Prediction},
author = {Rahul Chakwate and Madhan R A},
journal= {arXiv preprint arXiv:2011.02122},
year = {2020}
}