來源：Medium，Github，KDnuggets等

作者：李靜怡，克雷格

【新智元導讀】2018年世界杯開幕在即，誰會贏得最後的冠軍？機器學習預測是巴西，而統計方法則認為德國會贏。

3天後，2018年俄羅斯世界杯開打，首場比賽是東道主俄羅斯對陣沙特阿拉伯，將於6月14日拉開序幕。

每屆世界杯最受關註的當屬決賽，上屆2014年巴西世界杯，東道主巴西隊意外爆冷，只獲得第四名，無緣決賽。今年的世界杯，不少機構/研究人員給出預測：德國將和巴西爭奪冠軍，並且，巴西隊奪冠的概率更大些。

綜合各種預測和民意調查，冠軍幾乎肯定在巴西、德國和阿根廷之間展開，雖然強強爭鋒喜聞樂見，但似乎也少了些驚喜。

機器學習和大數據的方法正越來越多地被用在比賽結果預測上，不僅是世界杯，也不僅是結果，球隊組成、戰術選擇和球員訓練都已經開始見到機器學習的身影。對於球迷和觀眾而言，人工智能也將展開一種全新的參與/觀看體育賽事的體驗。

機器學習預測結果：巴西獲得冠軍

肯尼亞的投資銀行Genghis Capital Investment Bank的投資銀行分析師Gerald Muriuki，日前在Medium上公布了他使用機器學習預測FIFA 2018的結果——巴西將贏得冠軍。

這一結果跟微軟的AI和數據科學專家Sorin Peste的預測結果一致。

實際上，預測世界杯冠軍是一個典型的機器學習問題，你首先預測每場比賽的獲勝者，接著再預測小組賽、半決賽和決賽的冠軍。在這個過程中，你需要進行數據整合、特征建模和結果預測。因此，很多機器學習或數據科學家，都做過類似的項目。

Muriuki和Peste兩個人都是根據足球比賽的歷史數據，建立機器學習模型，模擬比賽，並預測這些比賽的結果。下面我們分別來看看。

使用邏輯回歸進行預測

Muriuki使用了兩個來自Kaggle的數據集，包含了從1872年到2017年國際足球比賽的結果。他先分析了兩個數據集，做了一些特征工程，選擇跟2018年世界杯最相關的特征進行預測，再足控了一些數據增強。

在模型的選擇上，Muriuki用的是邏輯回歸，一種分類器算法。邏輯回歸通過使用邏輯函數預估概率，從而衡量分類因變量和一個或多個自變量之間的關系。簡單說，給定一組相關的數據後，邏輯回歸能夠預測結果（在世界杯的情況下，就是預測是輸還是贏）。

這是他的模型預測最初幾場比賽的結果：俄羅斯vs沙特，俄羅斯勝利；烏拉圭vs埃及，烏拉圭勝利；伊朗vs摩洛哥，平局。4天以後就可以驗證這個結果是對還是錯了。



16強的結果是這樣的：



四分之一決賽將在葡萄牙vs巴西，以及德國vs阿根廷之間展開。



最終巴西vs德國，巴西獲勝。



使用隨機森林進行預測

另一方面，微軟的AI和數據科學專家Sorin Peste的預測過程則更加完善。在數據的選擇上，除了歷年世界杯結果，Peste還使用了歐洲杯、奧運會等大型比賽的數據，以及這些比賽的勝率分布。



此外，Peste還考慮了比賽的地址，也即是在主場、客場還是在雙方都無關的中立場所，以及比賽是否“friendly”，在踢friendly比賽時，目的不是為了贏球，而是為了觀察對手的球員和策略。

在模型的選擇上，Peste用的是隨機森林（深度500），一種根據呈現給它的特征生成多個決策樹的算法，並且每個單獨的樹對每個新輸入向量的結果“投票”。隨機森林的速度快，相當準確，可以對泛化誤差進行無偏估計，因此不需要交叉驗證。

下圖展示了叠代1000次後的結果，巴西獲勝，阿根廷第二。



統計的方法：德國戰車險勝巴西

當然，除了機器學習，還有更多預測是使用大數據方法。KDnuggets上一位狂熱球迷用統計的方法，預測德國隊會奪冠。他的操作步驟如下：

收集信息:

國際足聯世界排名：這是所有211支國家足球隊的排名系統。使用積分系統，積分是基於所有FIFA認可的國際比賽的結果。然而，這並不是最好的系統，而且有很多缺點。

Elo評級：該系統最初是為國際象棋聯合會FIDE開發的，目的是給棋手打分。它的復雜矩陣根據比賽的類型分配點數，並考慮到雙方的凈勝球差異。它和國際足聯的主要不同之處在於，它也統計了友誼賽的數量。

TransferMarkt team value：這個總部位於德國的網站提供了關於足球各個方面的信息，包括每個知名球員的估計市值。他們列出了參與國的名單和他們的團隊價值。

投註賠率：使用投註比較網站OddsChecker，采用每個國家最慷慨的賠率。

TransferMarkt的數字是歐元，而FIFA和Elo有他們自己的評級系統，投註賠率是分數。作者將每一個系統都標準化，使它們具有可比性。在統計中，標準分數（也稱為z分數/值，正常分數或標準化值）是數值與平均值不同的標準偏差數。



2018年世界杯，四個流行的預測來源



KDnuggets預測的z分數

如果KDnuggets的預測是正確的，那麽世界杯小組賽的結果會是下面這樣的：



研究結果引出了一些有趣的結論：

德國排名第一，但僅略高於巴西。緊隨其後的是西班牙和法國。

Elo排名系統和投註幾率看起來最相似，都列出了相同的前五名(上面提到的四個球隊和阿根廷)。

在整個體系中有一些鮮明的對比，其中最引人註目的是秘魯在國際足聯(FIFA)和Elo排名中z分數都排在第10位，而在TrasferMarkt的球隊價值排名卻在第30位。

民意調查：德國、巴西、阿根廷最受歡迎

除了KDnuggets上的預測，還有諸多世界杯賽前的其他預測：

《每日電訊報》對每支球隊進行了廣泛的分析，最後進行了一項投票，讓讀者預測冠軍，投票結果如下：



此外，據中新網報道，俄羅斯彼爾姆國立研究大學學生維克多?紮科派洛建立了一個能預測2018年世界杯冠軍的神經網絡，神經網絡綜合各項參數進行分析計算後得出結論稱，世界杯前三名將是德國隊、巴西隊和阿根廷隊。

四年前，巴西在家門口以1：7輸給了德國隊，創下了自1920年0：6輸給烏拉圭以來最大的世界杯輸球記錄，震驚全國人民。最終，德國隊奪得了當年的世界杯冠軍。

今年的俄羅斯世界杯，諸多機構預測巴西和德國將上演冠軍大戰。巴西能否一雪前恥，德國能否成功衛冕？我們拭目以待。
 

[轉載]機器學習預測世界杯：巴西奪冠