机器学习预测世界杯胜负
来自Predicting FIFA 2022 World Cup with ML。
预测出来的结果是巴西夺冠。
今年阿根廷夺冠！！！！
当然事在人为，最终谁夺的冠军还是让我们来期待一下。
根据历年数据计算的准确率只有不到70的准确率，AUC为0.75。
预测准确率25/48≈52%
数据处理与特征选取
数据集使用1872年至2022年的国际足球成绩和1992-2022年的国际足联世界排名。
该模型预测了主队的胜率和客场的平局/胜率。由于世界杯没有主场和客场之分，为了去除客场球队的优势，分别预测了客场和主场球队的变化结果，并使用两个预测的平均值作为概率。
一些特征：
（1）过去的比赛积分
（2）过去的进球和失球
（3）比赛的重要性(友谊赛或非友谊赛)
（4）球队排名
（5）球队的排名增加
（6）取决于排名的进球和失球
初始选取特征：
（1）球队在世界杯周期的平均进球数。
（2）球队最近5场比赛的平均进球数。
（3）在世界杯周期中，球队的平均失球数。
（4）球队最近5场比赛的平均失球数。
（5）球队在世界杯周期中所面对的国际足联平均排名。
（6）球队在过去5场比赛所面对的国际足联平均排名。
（7）在世界杯周期中中赢得的FIFA积分。
（8）在最近5场比赛中获得的FIFA积分。
（9）在周期中平均比赛点数。
（10）最近5场比赛的平均比赛点数。
（11）在周期中，按排名的平均比赛点数。
（12）最近5场比赛按排名的平均比赛点数。
作者通过小提琴和箱线图来分析以上特征。
作者分析得到有几个特征较好：
（1）排名差异（两个国家FIFA排名相减）
（2）平均进球数差异（还是相减）
（3）近五场平均进球数差异（还是相减）
（4）平均失球数差异
（5）近五场平均失球数差距
（6）主客场FIFA排名差距
（7）近五场主客场FIFA排名差距
（8）主客场每积分进球差距
（9）近五场主客场每积分进球差距
（10）主客场按排名的平均比赛点数差距
（11）近五场主客场按排名的平均比赛点数差距
（12）是否友谊赛
作者尝试了随机森林模型和Gradient Boosting模型，使用recall来判断模型好坏。根据AUC，随机森林效果比Gradient Boosting稍好，但是有过拟合的嫌疑，故作者选取了Gradient Boosting作为最终的模型。
模拟结果
AI并没有给出胜或负的肯定的结果，只有胜负概率，下面的取最高赢球概率的为胜方。
小组赛
A组：
卡塔尔 败 厄瓜多尔 【准】
塞内加尔 败 荷兰 【准】
卡塔尔 败 塞内加尔【准】
荷兰 胜 厄瓜多尔 【准】
厄瓜多尔 胜 塞内加尔 【不准】
荷兰 胜 卡塔尔 【准】
B组
英格兰 胜 伊朗 【准】
美国 平 威尔士 【准】
威尔士 胜 伊朗 【不准】
英格兰 胜 美国 【不准】
威尔士 败 英格兰 【准】
伊朗 败 美国 【准】
C组
阿根廷 胜 沙特阿拉伯 【不准】
墨西哥 平 波兰 【准】
波兰 胜 沙特阿拉伯 【准】
阿根廷 胜 墨西哥 【准】
波兰 败 阿根廷 【准】
沙特阿拉伯 败 墨西哥 【准】
D组
丹麦 胜 突尼斯 【不准】
法国 胜 澳大利亚 【准】
突尼斯 平 澳大利亚 【不准】
法国 平 丹麦 【不准】
澳大利亚 败 丹麦 【不准】
突尼斯 败 法国 【不准】
E组
德国 胜 日本 【不准】
西班牙 胜 哥斯达黎加 【准】
日本 平 哥斯达黎加 【不准】
西班牙 平 德国 【准】
日本 败 西班牙 【不准】
哥斯达黎加 败 德国 【准】
F组
摩洛哥 败 克罗地亚 【不准】
比利时 胜 加拿大 【准】
比利时 胜 摩洛哥 【不准】
克罗地亚 胜 加拿大 【准】
克罗地亚 败 比利时 【不准】
加拿大 平 摩洛哥: 【不准】
G组
瑞士 胜 喀麦隆 【准】
巴西 胜 塞尔维亚 【准】
喀麦隆 败 塞尔维亚 【不准】
巴西 平 瑞士 【不准】
塞尔维亚 败 瑞士 【准】
喀麦隆 败 巴西 【不准】
H组
乌拉圭 胜韩国 【不准】
葡萄牙 胜 加纳: 【准】
韩国 胜 加纳 【不准】
葡萄牙 平 乌拉圭 【不准】
加纳 败 乌拉圭 【准】
韩国 败 葡萄牙 【不准】
评价
机器学习计算出来的胜率最高也知道70%+，一般都在50%~60~左右徘徊，差距是不大的，正所谓足球是圆的，发生什么都有可能，比如2014年格策的绝杀等都是机器无法预测的。现有的机器也不过是统计学习罢了，事在人为。