从序列交易数据深度学习发现足球比赛黑马指标
机器学习
2020-08-05 v2 人工智能
摘要
机器学习模型基于各类客观指标对足球比赛结果提供尚可的预测精度并不令人意外。然而，在预测困难且有价值的比赛方面，其表现并不那么出色。我们设计了一个深度学习模型，并在来自真实预测市场的真实序列交易数据上训练，假设此类交易数据包含决定比赛结果的关键潜在信息。提出了一种新的损失函数，其将选择偏向高投资回报的比赛以训练我们的模型。对 4669 场顶级足球联赛比赛的充分研究表明，由于具备某种探测黑马的能力，我们的模型以预测精度换取了高价值回报。进一步尝试刻画由我们的模型发现的一些指标，以描述大黑马与常规热门球队的关键特征。
引用
@article{arxiv.2008.00682,
title = {Discovering indicators of dark horse of soccer games by deep learning from sequential trading data},
author = {Liyao Lu and Qiang Lyu},
journal= {arXiv preprint arXiv:2008.00682},
year = {2020}
}