机器学习算法混淆

Question

我用机器学习做了一个关于板球预测的小应用。我记录了10年(2001-2011年)的ODI比赛，并准备了一套培训。

为了预测某支球队的胜负，我考虑了各种因素。

例如，这是一场印度对澳大利亚的比赛，在万凯德体育场，印度。

1. 印度过去10年的记录。
2. 印度过去两年的记录。(最近的形式)
3. 印度在过去10年里的记录。
4. 印度在过去两年的记录。(最近的形式)
5. 印度在万凯德的纪录，过去10年。
6. 印度在万凯德的纪录，过去两年。(最近的形式)
7. 澳大利亚过去10年的记录。
8. 澳大利亚过去两年的记录。
9. 澳大利亚过去10年对印度的战绩。
10. 澳大利亚在过去两年对印度的纪录。
11. 澳大利亚在过去10年对印度的战绩。
12. 澳大利亚在过去两年对印度的战绩。

所以我们以所有的概率为例，例如，印度打了322个比赛，in10年赢得了140年，所以所有其他因素的获胜概率是140/322等等。现在，我们把所有的概率加在一起，得到了两国的胜负百分比。我想知道这是什么样的定理。它最初是以Na开始的，但在Na中，我们将概率乘以，不像这里。您可以检查这里的实现，http://www.manzarict.org/cricket我们使用了基本的PHP，这样我们就可以使用SQLQuery更快地找到概率。现在，这可能是一个错误的方法去做这个总和，替代方法是受欢迎的。

Answer 1

这是一个简单的线性模型，甚至不适合模型的权重，而是使用常量值。线性模型使虚度

cl(x) = sgn(<w,x>+b) = sgn( SUM w_i x_i + b )

其中x是数据点(x_i是第一个特性)。在您的例子中，所有的w_i=1 (您只是添加所有的特性，仅此而已)。这个“定理”太过分了，它只是一个先验假设(因为你没有训练它)琐碎(因为它包含常数，没有专家知识)线性模型(因为它使用加权的特征和)。

Answer 2

这是有趣的接近板球比赛获胜的球队预测。它不限于一项运动，但在各种运动中，你可以建立ML模型来预测比赛结果，甚至在比赛开始之前。

这是我对国际商会世界杯板球2019年预测的研究。我们使用了- Logistic回归模型。然而，在这种情况下，我们稍微超过了2001年，我们建立了一个基于1987年数据的模型。

Github链接：https://github.com/RutvijBhutaiya/Cricket-World-Cup-2019