如何限制Amazon机器学习模型的输出？(预测板球队结果)

Question

我正在尝试根据如下所示的历史数据集来预测比赛的胜利者，

​

​

数据集由国际足球联赛赛季和Team_Name_id与对手球队组成，是国际足球联赛中的球队名称。我已经将match id设置为Row id并创建了模型。运行实时测试时，结果不符合预期(如下所示)

​

​

目标设置为Match_winner_id。我是否遗漏了任何配置？请帮帮忙

Answer 1

该模型完全正确地工作。只有两个问题：

• 您的输入数据不是很好
• 模型无法知道这两个团队中只有一个应该赢得

Data Quality

预测模型需要高质量的输入数据，以便对解释给定结果的模型进行逆向工程。此输入数据应包含可用于预测给定一组不同输入数据的结果的信息。

例如，在预测房价时，它需要知道郊区(类别)、卧室/卫生间/停车位的数量、楼龄和销售价格。然后，它可以使用略有不同的变量组合来预测其他房屋的销售价格。

但是，根据您的屏幕截图，您提供了以下信息(可能更多)来进行预测：

• Teams:不是很好，因为您正在分隔C列和D列。模型将假定它们是不相关的信息。它没有意识到这两个值可能是swapped.
• Match Date :除非结果随时间成比例变化，否则这两个值是无用的信息(例如，一个球队不断地得到better)
• Season:，就像比赛日期一样，这可能是无用的，因为你总是在预测未来--你不会预测过去的season
• Venue：，只有当一个特定的球队总是在给定的venue
• Toss决策中获胜时，你才会预测过去的season
• Venue：：，这真的会影响结果吗？而且，它只在游戏开始时才知道，所以对于预测未来的game.
• Score:类型并不是很好：直到游戏结束你才能知道game.
• Win类型，所以它不适合再次预测未来的win类型，直到实际的游戏才知道。所以对比赛的未来predictions.
• Man没有好处: games.
• Umpire:未来不为人所知裁判如何影响game?
• City:的结果是的，考虑到主队通常具有优势。

您提供的可用于预测未来游戏的信息非常少。实际上，只有团队和场地。其他一切要么是游戏本身的一部分，要么是无关紧要的。

只选择两个团队中的一个

当ML模型查看您的数据并尝试做出预测时，它将查看您提供给的所有数据。例如，它可能会注意到，对于给定的场地和赛季，第8队有更高的获胜倾向。因此，考虑到场地和赛季，它将有利于第8队获胜。该模型没有概念，即唯一可能的结果是列C和D中给出的两支球队中的一支。

您正在预测两个给定的团队，并且在列C或列D中列出了团队，这是没有意义的-- 如果您在列之间交换团队，结果是相同的，但是模型没有这个概念。此外，关于团队1和团队2的信息与团队3和团队4完全无关。

您应该做的是为每个团队创建一个数据集，列出他们的所有比赛，外加一个显示结果的列--一个布尔值(获胜/失败)或一个表示他们获胜的跑动次数的值(其中负数表示失败)。然后，您可以要求他们建立模型来预测该团队的结果，给定输入数据，这将是输赢或高于/低于另一个团队的分数。

但从本质上讲，我认为您的输入数据没有足够丰富的内容，无法做出合理的预测。只需问问自己：“如果我想知道哪支球队会赢，我想知道什么数据？”它可能是过去的结果，天气状况，每支球队的哪些球员，他们在过去一周打了多少场比赛，等等。这些信息都不会作为输入提供给您的输入数据的每一行。