足球比赛预测模型评估：梯度提升树的深度学习方法与特征优化
机器学习
2023-09-27 v1 人工智能
摘要
机器学习模型在预测足球比赛结果方面日益流行，然而公开基准数据集的缺乏使得模型评估颇具挑战。2023 年足球预测挑战赛要求首先按各队精确进球数预测比赛结果，其次预测胜、平、负的概率。比赛提供的原始训练集与特征集，补充了 2023 年 4 月 4 日至 13 日进行的额外比赛，该时段位于训练集结束之后、待预测的首批比赛之前（性能即基于这些待预测比赛评估）。采用 CatBoost 模型以 pi-ratings 作为特征，其最初被确定为计算胜/平/负概率的最优选择。值得注意的是，深度学习模型在此特定任务中常被忽视。因此，本研究旨在评估深度学习模型性能，并确定梯度提升树模型的最优特征集。模型使用最近五年数据训练，并在超参数网格搜索中采用三个训练与验证集。验证集结果表明，相较于 2017 年足球预测挑战赛已发表模型，我们的模型在胜/平/负预测上具备更强性能与稳定性。
引用
@article{arxiv.2309.14807,
title = {Evaluating Soccer Match Prediction Models: A Deep Learning Approach and Feature Optimization for Gradient-Boosted Trees},
author = {Calvin Yeung and Rory Bunker and Rikuhei Umemoto and Keisuke Fujii},
journal= {arXiv preprint arXiv:2309.14807},
year = {2023}
}