ترجمه فارسی مقاله پیش بینی های مسابقه در فوتبال: یادگیری ماشین در مقابل رویکردهای پواسون

چکیده

Predicting the results of soccer matches is of great interest. This is not only due to the popularity of the sport and the joy of private “betting rounds”, but also due to the large sports betting market. Where previously expert knowledge and intuition were used, today there are models that analyze large amounts of data and make predictions based on them. In addition to Poisson models, approaches that belong to the machine learning (ML) category are increasingly being used. These include, for example, neural network or random forest models, which are compared in this article with each other as well as with Poisson models with regard to single-match prediction. In each case, the match results of a season are used as the data basis. The analysis is carried out for 5 European top leagues. A statistical analysis shows that the performance levels of the teams do not change systematically during a season. In order to characterize performance levels as accurately as possible, all match results, except from the match to be predicted, can be used as features with equal weighting. It can be seen that both, the exact choice of features and the choice of model, have only a minor influence on the prediction quality. Possible improvements in match prediction are discussed.

چکیده به فارسی (ترجمه ماشینی)

پیش بینی نتایج مسابقات فوتبال بسیار مورد توجه است.این نه تنها به دلیل محبوبیت ورزش و شادی “دورهای شرط بندی” خصوصی بلکه به دلیل بازار بزرگ شرط بندی ورزشی است.در جایی که قبلاً از دانش و شهود تخصصی استفاده می شد ، امروزه مدلهایی وجود دارند که مقادیر زیادی از داده ها را تجزیه و تحلیل می کنند و بر اساس آنها پیش بینی می کنند.علاوه بر مدلهای پواسون ، رویکردهایی که متعلق به دسته یادگیری ماشین (ML) هستند به طور فزاینده ای مورد استفاده قرار می گیرند.این موارد شامل ، به عنوان مثال ، شبکه های عصبی یا مدل های جنگلی تصادفی است که در این مقاله با یکدیگر و همچنین با مدل های پواسون با توجه به پیش بینی تک مسابقه مقایسه می شوند.در هر حالت ، نتایج مسابقه یک فصل به عنوان پایه داده استفاده می شود.این تجزیه و تحلیل برای 5 لیگ برتر اروپا انجام شده است.تجزیه و تحلیل آماری نشان می دهد که سطح عملکرد تیم ها در طی یک فصل به طور سیستماتیک تغییر نمی کند.به منظور توصیف سطح عملکرد تا حد امکان ، تمام نتایج مسابقه ، به جز از مسابقه که پیش بینی می شود ، می تواند به عنوان ویژگی هایی با وزن برابر استفاده شود.مشاهده می شود که هر دو ، انتخاب دقیق ویژگی ها و انتخاب مدل ، فقط تأثیر جزئی بر کیفیت پیش بینی دارند.پیشرفت های احتمالی در پیش بینی مسابقه مورد بحث قرار گرفته است.