如何在有足球队伍数据的情况下,用程序分类强队与弱队呢?

2018-11-21 16:59:12 +08:00
 jakeyfly
不知道如何表达,就是如何让程序能知道那个是强队,比如英超利物浦,曼城之类的明显的强队,然后伯尔顿什么的之类的是二流三流队。

有没有什么好思路吗?

单手比赛数据上看去对比,是可以分类出强队弱队,但一些老牌强队,就像上面说的比如曼联有时候是很烂的,但他身上是有强队光环的,我们人去看,就算他最近的打的再烂,也是强队,而电脑是没有这种感情色彩的。有可能一断时期成绩很差,程序就会把队伍归为弱队了。

求思路
6405 次点击
所在节点    Python
72 条回复
fl2d
2018-11-21 17:03:03 +08:00
做分类时历史战绩 buff
saturnx
2018-11-21 17:04:53 +08:00
基本面:球队阵容身价总和,历史排名
走势:最近 20 场比赛走势,当然对手也有关系;
根据基本面分级,根据走势加权;
SeaRecluse
2018-11-21 17:06:03 +08:00
SVM
lixiangzaizheli
2018-11-21 17:08:16 +08:00
别抬举我抬了 doge.jpg
timi
2018-11-21 17:09:42 +08:00
用爬虫,爬贴吧关注用户数
F1024
2018-11-21 17:11:30 +08:00
菠菜公司已经帮你分析好了 看赔率
jakeyfly
2018-11-21 17:12:44 +08:00
@saturnx 这些我都试过,我爬了大概十多年的数据。我最后发现一个问题,就是只用历史数据的话,是不太可行的,因为历史数据,并不能反就一个球队的光环。所以我现在很困惑,要用什么办法来弄。
freak118
2018-11-21 17:12:55 +08:00
欧足联俱乐部排名啊 直接爬数据
jakeyfly
2018-11-21 17:14:16 +08:00
@freak118 那个太虚了,就像国际足联排名一样,毫无意义。懂足球的都知道,四 A 级比赛很多是友谊赛,根本不是正常阵容出场。
jakeyfly
2018-11-21 17:14:56 +08:00
@SeaRecluse 我是想弄机器学习的,但这个工程有点大,而且这只是一个方法,我主要现在不知道思路,如果有方向我会去学习的。
SeaRecluse
2018-11-21 17:16:57 +08:00
@jakeyfly 我建议你不要局限于胜负的数据,而是应该去看俱乐部给球员开的工资。
duzhihao
2018-11-21 17:18:48 +08:00
说,你是不是鸟黑。
还有一种思路就是比较球队身价,靠谱率怎么也比历史对战高吧。
jimrok
2018-11-21 17:21:47 +08:00
近期的比赛成绩给一个比较高的权重。拍脑子可以试试用 e 的曲线增加一个系数。
weo0
2018-11-21 17:24:04 +08:00
我魔好惨,心疼。
takato
2018-11-21 17:25:25 +08:00
如果你用一个一维向量来衡量队伍的属性的话,肯定得不到好结果的啦。。。
jakeyfly
2018-11-21 17:34:30 +08:00
@SeaRecluse 身价,与工资总额我也有计入在内的。
jakeyfly
2018-11-21 17:35:31 +08:00
@takato 感受到了,只是不知道要如何补充知识,只是一个业余爱好项目,但想能过这个自己想做的事,进一步学习,求指路
weo0
2018-11-21 17:37:26 +08:00
我感觉把球迷的拥趸数量,建队历史,球场容纳量可以作为参考。
loveour
2018-11-21 17:38:02 +08:00
我觉得,你是不是明确一下需求?强弱队本来也只是一个模糊的概念,正常就是大概判断一下就行了。历史强队还是现在战绩,这个权重可以根据需求改。但是,想要精确得知队伍强弱,这本来就不符合足球的规律。排名至少菠菜给的赔率还是相当准的,只是分个档次也就行了。
dong3580
2018-11-21 17:38:45 +08:00
高中学的方差和标准差的例子,不就是拿了类似这个举例的么。

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/510103

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX