用二元泊松模型预测2022年世界杯淘汰赛结果

news2024/11/13 15:10:24

用二元泊松模型预测2022年世界杯淘汰赛结果

网上有很多文章用双泊松(Double Poisson)模型来预测世界杯比赛结果。但是双泊松模型有一个严重的缺陷,那就是它假设比赛中两队的比分是条件独立的。而我们都知道,在对抗性比赛中,两队的比分是存在关联的,因为两队都会根据场上的比分形势调整策略。比如足球比赛,当主队1:0领先,且距离比赛结束只剩10分钟时,落后的客队会孤注一掷,甘愿冒更大风险去争取平局。但如果主队3:0甚至4:0领先时,领先的主队可能会稍微放松下来,甚至教练会用新人换下主力,此时落后的客队更容易进1球(甚至主队会礼貌性让球)。所以比赛中两队比分是相关的,这种相关性可以通过依赖性参数来描述。

二元泊松(Bivariate Poisson)模型可以度量两队比分的依赖性参数,用二元泊松模型对比赛进行的预测准确率更高,在1/8决赛已经进行的4场比赛中,二元泊松模型预测正确率100%。

需要完整源代码的朋友可以关注私信我,或者评论留言索取。

在这里插入图片描述

文章目录

    • 二元泊松模型
    • 最大似然法
    • 贝叶斯法
    • 用模型预测8强
    • 用模型预测4强

二元泊松模型

考虑随机变量 X r , r ∈ { 1 , 2 , 3 } X_r, r \in \{1,2,3\} Xr,r{1,2,3}服从独立泊松分布,其参数 λ r > 0 \lambda_r > 0 λr>0,那么随机变量 X = X 1 + X 3 X = X_1+X_3 X=X1+X3 Y = Y 2 + Y 3 Y=Y_2+Y_3 Y=Y2+Y3服从二元泊松分布 B P ( λ 1 , λ 2 , λ 3 ) BP(\lambda_1,\lambda_2,\lambda_3) BP(λ1,λ2,λ3),其联合概率为:

P X , Y ( x , y ) = P r ( X = x , Y = y ) = exp ⁡ { − ( λ 1 + λ 2 + λ 3 ) } λ 1 x x ! λ 2 y y ! × ∑ k = 0 m i n ( x , y ) ( x k ) ( y k ) k ! ( λ 3 λ 1 λ 2 ) k \begin{aligned} P_{X,Y}(x,y)&=Pr(X=x,Y=y)\\ &=\exp\{-(\lambda_1+\lambda_2+\lambda_3)\}\frac{\lambda_1^x}{x!}\frac{\lambda_2^y}{y!}\times\sum_{k=0}^{min(x, y)}\begin{pmatrix}x\\k\end{pmatrix}\begin{pmatrix}y\\k\end{pmatrix}k!(\frac{\lambda_3}{\lambda_1\lambda_2})^k \end{aligned} PX,Y(x,y)=Pr(X=x,Y=y)=exp{(λ1+λ2+λ3)}x!λ1xy!λ2y×k=0min(x,y)(xk)(yk)k!(λ1λ2λ3)k

边缘概率上,每个随机变量服从泊松分布,期望 E ( X ) = λ 1 + λ 3 E(X) = \lambda_1+\lambda_3 E(X)=λ1+λ3 E ( Y ) = λ 2 + λ 3 E(Y) = \lambda_2+\lambda_3 E(Y)=λ2+λ3,协方差 c o v ( X , Y ) = λ 3 cov(X, Y) = \lambda_3 cov(X,Y)=λ3。这里 λ 3 \lambda_3 λ3就是度量两队进球之间相关性的指标。如果 λ 3 = 0 \lambda_3=0 λ3=0,则两个变量是条件独立的,此时二元泊松分布退化成两个独立泊松分布的乘积,即双泊松模型。

我们用 ( x n , y n ) (x_n, y_n) (xn,yn)表示第 n n n场比赛主队和客队的比分,那么带比分相关性的二元泊松模型的一般形式为:

X n , Y n ∣ λ 1 n , λ 2 n , λ 3 n ∼ BivPoisson ( λ 1 n , λ 2 n , λ 3 n ) log ⁡ ( λ 1 n ) = μ + h o m e + a t t h n + d e f a n log ⁡ ( λ 2 n ) = μ + a t t a n + d e f h n log ⁡ ( λ 3 n ) = β 0 + γ 1 β h n h o m e + γ 2 β a n a w a y + γ 3 β w n \begin{aligned} X_n,Y_n \mid \lambda_{1n},\lambda_{2n},\lambda_{3n}&∼\text{BivPoisson}(\lambda_{1n},\lambda_{2n},\lambda_{3n})\\ \log(\lambda_{1n})&=\mu+home+att_{h_n}+def_{a_n}\\ \log(\lambda_{2n})&=\mu+att_{a_n}+def_{h_n}\\ \log(\lambda_{3n})&=\beta_0+\gamma_1\beta_{h_n}^{home}+\gamma_2\beta_{a_n}^{away}+\gamma_3\beta {w_n} \end{aligned} Xn,Ynλ1n,λ2n,λ3nlog(λ1n)log(λ2n)log(λ3n)BivPoisson(λ1n,λ2n,λ3n)=μ+home+atthn+defan=μ+attan+defhn=β0+γ1βhnhome+γ2βanaway+γ3βwn

其中:

λ 1 n , λ 2 n \lambda_{1n}, \lambda_{2n} λ1n,λ2n分别表示主队和客队的进球率

μ \mu μ表示截距项

h o m e home home代表主场效应,众所周知在自己的主场踢球是由很多优势的(更熟悉场地、更适应气候、更热情的球迷…);

a t t t att_t attt d e f t def_t deft 分别表示每只球队的进攻能力防守能力,公式中下标 t t t写作 h n , a n h_n, a_n hn,an,分别表示主队和客队的第 n n n场比赛;

β h n h o m e \beta_{h_n}^{home} βhnhome β a n a w a y \beta_{a_n}^{away} βanaway 分别代表主队和客队的参数;

w n w_n wn是第 n n n场比赛的协方差向量,用于建模协方差项;

β \beta β 是对应的回归系数向量;

参数 γ 1 , γ 2 , γ 3 \gamma_1, \gamma_2, \gamma_3 γ1,γ2,γ3是取值为0或1的二进制指示符,可激活线性预测的不同来源。因此,当 γ 1 = γ 2 = γ 3 = 0 \gamma_1=\gamma_2=\gamma_3=0 γ1=γ2=γ3=0时,我们得到常数协方差;而当 ( γ 1 , γ 2 , γ 3 ) = ( 1 , 1 , 0 ) (\gamma_1, \gamma_2,\gamma_3)=(1,1,0) (γ1,γ2,γ3)=(1,1,0)时,我们假设协方差仅取决于团队的参数,跟比赛协方差无关。

为了实现模型的可识别性,攻击/防御参数都是零和的

∑ t = 1 T a t t t = 0 , ∑ t = 1 T d e f t = 0 \sum_{t=1}^Tatt_t=0, \qquad \sum_{t=1}^Tdef_t=0 t=1Tattt=0,t=1Tdeft=0

这条约束大量出现在足球文献中,即假设第 T T T只球队的能力等于其他球队能力和的负值,即能力的零和性。

a t t T = − ∑ t = 1 T − 1 a t t t , d e f T = − ∑ t = 1 T − 1 d e f t att_T = -\sum_{t=1}^{T-1}att_t, \qquad def_T = -\sum_{t=1}^{T-1}def_t attT=t=1T1attt,defT=t=1T1deft

有了上面的理论基础,我们就可以构造并训练我们的模型了。

最大似然法

给定参数向量 θ = ( { a t t t , d e f t , t = 1 , … , T } , μ , h o m e , β h n h o m e , β a n a w a y , β 0 , β ) \theta = (\{att_t, def_t, t=1,\dots, T\}, \mu, home, \beta_{h_n}^{home}, \beta_{a_n}^{away}, \beta_0, \beta) θ=({attt,deft,t=1,,T},μ,home,βhnhome,βanaway,β0,β) ,二元泊松模型的似然函数为:

L ( θ ) = ∏ n = 1 N exp ⁡ { − ( λ 1 n + λ 2 n + λ 3 n ) } λ 1 n x n x n ! λ 2 n y n y n ! × ∑ k = 0 m i n ( x n , y n ) ( x n k ) ( y n k ) k ! ( λ 3 n λ 1 n λ 2 n ) k L(\theta) = \prod_{n=1}^N\exp\{-(\lambda_{1n}+\lambda_{2n}+\lambda_{3n})\}\frac{\lambda_{1n}^{x_n}}{x_n!}\frac{\lambda_{2n}^{y_n}}{y_n!}\times\sum_{k=0}^{min(x_n, y_n)}\begin{pmatrix}x_n\\k\end{pmatrix}\begin{pmatrix}y_n\\k\end{pmatrix}k!(\frac{\lambda_{3n}}{\lambda_{1n}\lambda_{2n}})^k L(θ)=n=1Nexp{(λ1n+λ2n+λ3n)}xn!λ1nxnyn!λ2nyn×k=0min(xn,yn)(xnk)(ynk)k!(λ1nλ2nλ3n)k

最大似然参数估计只要找到最大似然估计函数 θ ^ \hat\theta θ^ 即可:

θ ^ = a r g m a x θ ∈ Θ L ( θ ) \hat\theta = \underset{\theta \in \Theta} {argmax} L(\theta) θ^=θΘargmaxL(θ)

这个过程可以用求导解决:

l ′ ( θ ) = 0 l'(\theta)=0 l(θ)=0

Wald检验+偏置信区间也可以构造最大似然估计 θ ^ \hat\theta θ^,95%的Wald类型区间满足:

θ ^ ± 1.96 s e ( θ ^ ) \hat \theta ±1.96 se(\hat \theta) θ^±1.96se(θ^)

最大似然法仅适用于静态模型,因为静态模型复杂度不高。当使用动态模型时,随着参数空间的增长,最大似然法的计算量会非常大,且输出结果也不可靠。所以我们会更关注另一种方法——贝叶斯法。

贝叶斯法

贝叶斯分析的目标是从联合后验分布 π ( θ ∣ D ) \pi(\theta \mid D) π(θD)中得出推断结论,这里 D = ( x n , y n ) n = 1 , … , N D=(x_n,y_n) _{n=1,…,N} D=(xn,yn)n=1,,N 表示 N N N场比赛的观测数据集合。联合后验分布满足:

π ( θ ∣ D ) = p ( θ ∣ D ) π ( θ ) p ( D ) ∝ p ( D ∣ θ ) π ( θ ) \pi(\theta \mid D) = \frac{p(\theta \mid D)\pi(\theta)}{p(D)} \propto p(D \mid \theta)\pi(\theta) π(θD)=p(D)p(θD)π(θ)p(Dθ)π(θ)

其中 p ( D ∣ θ ) p(D \mid \theta) p(Dθ) 是模型采样分布(与似然函数成比例), π ( θ ) \pi(\theta) π(θ) θ \theta θ 的联合先验分布。 p ( D ) = ∫ Θ p ( D ∣ θ ) π ( θ ) d θ p(D) = \int_\Theta p(D \mid \theta)\pi(\theta)d\theta p(D)=Θp(Dθ)π(θ)dθ 是不依赖于 θ \theta θ的边际似然。

在大多数情况下, π ( θ ∣ D ) \pi(\theta \mid D) π(θD)不具有闭合形式,因此,我们需要通过模拟对其进行近似。处理这种情况的最主流的方法是马尔可夫链蒙特卡罗模拟

就推断结论而言,我们通常对单一参数的边际后验分布(后验均值、中值、可信区间等)感兴趣。我们可以将上述二元泊松模型的后验分布公式写成:

π ( θ ∣ D ) ∝ π ( θ ) ∏ n = 1 N BivPoisson ( λ 1 n , λ 2 n , λ 3 n ) \pi(\theta \mid D) \propto \pi(\theta) \prod_{n=1}^N \text{BivPoisson}(\lambda_{1n},\lambda_{2n},\lambda_{3n}) π(θD)π(θ)n=1NBivPoisson(λ1n,λ2n,λ3n)

其中 π ( θ ) = π ( a t t ) π ( d e f ) π ( μ ) π ( h o m e ) π ( β h n h o m e ) π ( β a n a w a y ) π ( β 0 ) π ( β ) \pi(\theta)=\pi(att)\pi(def)\pi(\mu)\pi(home)\pi(\beta_{h_n}^{home})\pi(\beta_{a_n}^{away})\pi(\beta_0)\pi(\beta) π(θ)=π(att)π(def)π(μ)π(home)π(βhnhome)π(βanaway)π(β0)π(β) 是先验独立参数分量假设下的联合最优分布。

标准方法是将一些信息量较弱的先验分布分配给团队的某些特定能力。这些参数在两个常见(先验)分布中可以交换:

att t ∼ N ( μ a t t , σ a t t ) def t ∼ N ( μ d e f , σ d e f ) , t = 1 , … , T \begin{aligned} &\text{att}_t∼N(\mu_{att},\sigma_{att})\\ &\text{def}_t∼N(\mu_{def},\sigma_{def}), t= 1,\dots,T \end{aligned} atttN(μatt,σatt)deftN(μdef,σdef),t=1,,T

这里面 m u a t t , σ a t t , μ d e f , σ d e f mu_{att},\sigma_{att}, \mu_{def},\sigma_{def} muatt,σatt,μdef,σdef 都是超参,通过向其余参数分配一些信息量较弱的先验来完成模型公式化。

用模型预测8强

我用2018-2022年期间的所有国际比赛,以及2022年世界杯小组赛的数据,通过Hamilton Monte Carlo采样、2000次迭代训练了一个模型。其思路是提供一个动态预测场景:在每个比赛日结束时,重新调整模型以预测剩余的比赛。对2022年世界杯淘汰赛第一轮的16场比赛的预测,每只球队的动态先验会集中关注参赛球队小组赛3场比赛的进攻防守数据,前三场比赛将作为一个单独独立的时间段,而不是作为三个不同的时间段来考虑。这里有一个因素需要考虑,就是小组赛的最后一场比赛中,一些球队已经晋级,他们可能没有派主力阵容或没有全力去踢,所以对这样的球队(比如葡萄牙),在先验数据上会进行一些微调。

用上述模型的后验预测分布的后验匹配概率见下表:

强队弱队最可能结果
荷兰美国0.4710.2980.2311-0 (0.164)
阿根廷澳大利亚0.6650.2460.0891-0 (0.208)
法国波兰0.6200.2350.1451-0 (0.145)
英格兰塞内加尔0.6320.2350.1321-0 (0.162)
日本克罗地亚0.3630.2880.3491-1 (0.122)
巴西韩国0.7400.1900.0701-0 (0.171)
西班牙摩洛哥0.5620.2700.1681-0 (0.173)
葡萄牙瑞士0.4860.2730.2411-0 (0.141)

上表中,胜/负针对的都是强队,最可能结果后面的括号表示后验概率。

更加直观可视化的结果见下图:

在这里插入图片描述

上图中越深的颜色表示越可能出现的结果,x轴是强队,y轴是弱队。

从预测结果看,目前已经结束的4场1/8决赛全部预测正确:

比赛预测实际结果
荷兰-美国✅荷兰胜 (0.471)3:1 荷兰胜
阿根廷-澳大利亚✅阿根廷胜 (0.665)2:1 阿根廷胜
法国-波兰✅法国胜 (0.620)3:1 法国胜
英格兰-塞内加尔✅英格兰胜 (0.632)3:0 英格兰胜

12月6日更新

昨晚今晨进行的日本-克罗地亚和巴西-韩国的两场八分之决赛中,日本-克罗地亚120分钟踢平,点球大战中日本队2:4负于克罗地亚。这个结果与模型的预测相同。模型预测120分钟的最可能结果是1-1战平。另一场巴西-韩国毫无悬念,巴西4:1战胜韩国,这与模型预测巴西有74%的概率获胜一致。

比赛预测实际结果
日本-克罗地亚✅120分钟战平
日本胜(0.363) - 平局(0.288 ) - 克罗地亚胜(0.349)
最可能结果:1-1(0.122)
2:4 克罗地亚胜(点球)
巴西-韩国✅巴西胜 (0.740)4:1 巴西胜

12月7日更新

12月7日的比赛,模型预测西班牙有56.2%的胜率,结果120分钟踢平,点球西班牙0:3输给摩洛哥,算是爆了个小冷门。葡萄牙的比赛结果跟预期一致,葡萄牙胜。只是没有料到会是6:1的大比分。

比赛预测实际结果
西班牙-摩洛哥❌西班牙(0.562)0:3 摩洛哥胜(点球)
葡萄牙-瑞士✅葡萄牙胜 (0.486)6:1 葡萄牙胜

总结

至此,1/8决赛全部完成,模型预测仅错1场(西班牙-摩洛哥),整体准确率还是比较理想的。下面我会紧锣密鼓给出1/4决赛的预测。

用模型预测4强

敬请期待

∗ ∗ ∗ \ast \ast \ast

需要完整源代码的朋友可以关注私信我,或者评论留言索取。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/68160.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

国产API管理神器Eolink也太强了吧

一、研发痛点 什么是API研发管理 API研发管理是包含了API开发管理、开发团队协作、自动化测试、网关以及监控等等API管理全生命周期的一系列管理过程。可以帮助公司实现开发运维一体化,提升开发速度,达到降本增效的目标。 前端痛点 针对前端开发在使…

Metabase学习教程:权限-2

使用集合权限 设置具有权限的集合,以帮助用户组织和共享与其相关的工作。 集合保持问题,仪表板,和模型有条理,容易找到。将集合视为存储我们工作的文件夹是很有帮助的。集合权限授予一群人访问: 查看或编辑保存在集合中的问题、…

激活企业数字化采购价值,智慧采购管理系统助力半导体行业提升采购协同效率

如今,随着国内经济不断发展以及国家对半导体行业的政策扶持,我国半导体行业发展迅速,半导体技术含量与日俱增的同时,也对我国半导体企业的管理效能与管理工具提出了更高的要求。在海外对国内半导体产业发展日益严格的当下&#xf…

Netty篇之如何优雅的关服

强制关服的危害 linux中关服如果我们使用 kill -9 pid号或者在windows中使用 taskkill /f /pid pid号来关服的话,相当于是突然断电的方式,会导致如下几种情况。 缓存中的数据丢失正在进行文件的写操作,没有更新完成,突然退出会…

技术分享 | Redis 集群架构解析

作者:贲绍华 爱可生研发中心工程师,负责项目的需求与维护工作。其他身份:柯基铲屎官。 本文来源:原创投稿 *爱可生开源社区出品,原创内容未经授权不得随意使用,转载请联系小编并注明来源。 一、集群架构的一…

决策树算法中处理噪音点

目录 如何解决?——采用剪枝的方法。 预剪枝 后剪枝 如果训练集中存在噪音点,模型在学习的过程总会将噪音与标签的关系也学习进去,这样就会造成模型的过拟合化,也就是模型在训练集的分类效果很好,在未知数据上处理效…

python快速实现2048小游戏

《2048》是一款比较流行的数字游戏,最早于2014年3月20日发行。原版2048首先在GitHub上发布,原作者是Gabriele Cirulli,后被移植到各个平台。这款游戏是基于《1024》和《小3传奇》的玩法开发而成的新型数字游戏。 操作指南: 每次…

景区票务系统毕业设计,景区售票系统设计与实现,旅游售票系统毕业设计源码分析

项目背景和意义 目的:本课题主要目标是设计并能够实现一个基于java的景区景点预约购票系统,整体使用javaMySql的B/S架构,技术上采用了springboot框架;通过后台添加景区资讯、景点介绍,管理用户订单;用户通过…

Vue怎么通过JSX动态渲染组件

一、明确需求 有一组数组结构如下: const arr [ { tag: van-field }, // 输入框{ tag: van-cell }, // 弹出层{ tag: van-stepper } // 步进器 ] 想通过循环arr,拿到tag渲染对应的组件。 下面我们分析如何写才是最优。 二、进行分析 2.1 v-if走天…

JavaScript期末大作业:基于HTML+CSS+JavaScript黑色的bootstrap响应式企业博客介绍模板

🎉精彩专栏推荐 💭文末获取联系 ✍️ 作者简介: 一个热爱把逻辑思维转变为代码的技术博主 💂 作者主页: 【主页——🚀获取更多优质源码】 🎓 web前端期末大作业: 【📚毕设项目精品实战案例 (10…

JTable详细介绍

目录 一、基本表格 二、修改列宽并显示列的名称 三、使用AbstractTableModel抽象类存储数据 一、基本表格 显示一个Table需要两组数据 1. 一维数组: String[]columnNames 表示表格的标题 2. 二维数组: String[][] heros 表格中的内容 默认情况下&…

使用openssl工具生成CSR文件

使用OpenSSL工具生成CSR文件 登录服务器。 安装OpenSSL工具。 执行以下命令,生成CSR文件。 openssl req -new -nodes -sha256 -newkey rsa:2048 -keyout [$Key_File] -out [$OpenSSL_CSR] 说明 -new:指定生成一个新的CSR文件。 -nodes:指定…

WindowsNT下的OpenGL

三、WindowsNT下的OpenGL 3.1、Windows NT下的OpenGL函数   如前面的章节所述,Windows NT下的OpenGL同样包含100多个库函数,这些函数都按一定的格式来命名,即每个函数都以gl开头。Windows NT下的OpenGL除了具有基本的OpenGL函数外&#xf…

威马汽车欲曲线上市:沈晖已提前持股并任职,销量垫底、员工降薪

12月5日,港交所上市公司Apollo出行(HK:00860)发布公告称,该公司拟收购一家从事智能电动车的公司,目标公司的业务涵盖一系列配备先进技术的智能电动车,目标客户为中国年轻且精通技术的用户(特别是…

小迪-day14(注入类型之提交注入)

1、参数提交注入 1.1 明确参数类型 数字,字符,搜索,JSON等1.2 明确提交方式 GET, POST,COOKIE,REQUEST,HTTP头等可能有些网站是以Request的方式接受参数,所以GET和POST都行 注入的地方可能在User-Agent、cookie上&a…

辽宁熤星传媒文化:抖音原创特效怎么做?

现在很多小伙伴在家都基本上会去找一些副业来做,或者是一些赚钱的方法,要知道,抖音其实还是有很多赚钱的机遇在里面的,那么大家拍抖音都是需要去使用特效的,那么抖音特效应该怎么做呢?跟着辽宁熤星传媒小编…

探索可观测性:AIOps中的时序数据应用

01. 背景 随着科技的发展,时序数据在我们的认知中占据越来越多的位置,小到电子元件在每个时刻的状态,大到世界每天的新冠治愈人数,一切可观测,可度量,可统计的数据只要带上了时间这个重要的因素就会成为时…

Antlr4 快速入门 - 编写语法解析器

Antlr全称(ANother Tool for Language Recognition),Antlr4是一款强大的语法分析器生成工具,推特,Haddop,Oracle等各大知名公司在用到了Antlr来构建自己的语言处理类项目。 一门语言的正式描述称为语法(grammar),Antl…

计算机考研报名人数下降一半!211北京科技大学计算机报考人数公布!

北京科技大学是一所211大学,计算机学科评估B,计算机实力在211大学中还算不错。前段时间,北京科技大学公布了23考研的报考人数,而且详细到了各个专业的人数:北京科技大学2023年硕士研究生各招生专业准考人数统计表https…

PyQt5页面跳转问题及解决方式

问题1:如何实现页面间跳转 主要定义MainWindow类和Actions.py class MainWindow: Actions.py: 问题2:实现定义函数传参功能 大胆修改,将定义函数的参数值改为a;使用函数处将参数加上: 运行&…