利用可解释机器学习与凯利指数预测足球比赛结果
机器学习
2022-11-30 v1
摘要
在这项工作中，我们开发了一种机器学习方法来预测足球比赛的结果。本研究的新颖之处在于利用凯利指数首先将比赛分类，每个类别代表不同的预测难度级别。我们为每个比赛类别开发了使用多种算法的分类模型，以确定该方法的有效性。与此同时，我们设计了一组先前未被探索的特征，包括基于Elo评分的变量。数据集源自2019-2021赛季的英超联赛比赛数据。研究结果表明，将预测问题分解为子任务的过程是有效的，并产生了与先前工作相比具有竞争力的结果，而基于集成的方法最为有效。本文还设计了一种投资策略，以通过与博彩公司赔率进行基准比较来评估其有效性。我们开发了一种方法，通过将凯利指数与预测模型的预定义置信度阈值相结合来最小化风险。实验发现，当遵循一种主要关注预测模型显示高置信度的易预测比赛的保守方法时，所提出的策略能够获得正收益。
引用
@article{arxiv.2211.15734,
title = {Predicting Football Match Outcomes with eXplainable Machine Learning and the Kelly Index},
author = {Yiming Ren and Teo Susnjak},
journal= {arXiv preprint arXiv:2211.15734},
year = {2022}
}