[转载]机器学习预测世界杯：巴西夺冠

来源：Medium，Github，KDnuggets等

作者：李静怡，克雷格

【新智元导读】2018年世界杯开幕在即，谁会赢得最后的冠军？机器学习预测是巴西，而统计方法则认为德国会赢。

3天后，2018年俄罗斯世界杯开打，首场比赛是东道主俄罗斯对阵沙特阿拉伯，将于6月14日拉开序幕。

每届世界杯最受关注的当属决赛，上届2014年巴西世界杯，东道主巴西队意外爆冷，只获得第四名，无缘决赛。今年的世界杯，不少机构/研究人员给出预测：德国将和巴西争夺冠军，并且，巴西队夺冠的概率更大些。

综合各种预测和民意调查，冠军几乎肯定在巴西、德国和阿根廷之间展开，虽然强强争锋喜闻乐见，但似乎也少了些惊喜。

机器学习和大数据的方法正越来越多地被用在比赛结果预测上，不仅是世界杯，也不仅是结果，球队组成、战术选择和球员训练都已经开始见到机器学习的身影。对于球迷和观众而言，人工智能也将展开一种全新的参与/观看体育赛事的体验。

机器学习预测结果：巴西获得冠军

肯尼亚的投资银行Genghis Capital Investment Bank的投资银行分析师Gerald Muriuki，日前在Medium上公布了他使用机器学习预测FIFA 2018的结果——巴西将赢得冠军。

这一结果跟微软的AI和数据科学专家Sorin Peste的预测结果一致。

实际上，预测世界杯冠军是一个典型的机器学习问题，你首先预测每场比赛的获胜者，接着再预测小组赛、半决赛和决赛的冠军。在这个过程中，你需要进行数据整合、特征建模和结果预测。因此，很多机器学习或数据科学家，都做过类似的项目。

Muriuki和Peste两个人都是根据足球比赛的历史数据，建立机器学习模型，模拟比赛，并预测这些比赛的结果。下面我们分别来看看。

使用逻辑回归进行预测![]



Muriuki使用了两个来自Kaggle的数据集，包含了从1872年到2017年国际足球比赛的结果。他先分析了两个数据集，做了一些特征工程，选择跟2018年世界杯最相关的特征进行预测，再足控了一些数据增强。

在模型的选择上，Muriuki用的是逻辑回归，一种分类器算法。逻辑回归通过使用逻辑函数预估概率，从而衡量分类因变量和一个或多个自变量之间的关系。简单说，给定一组相关的数据后，逻辑回归能够预测结果（在世界杯的情况下，就是预测是输还是赢）。

这是他的模型预测最初几场比赛的结果：俄罗斯vs沙特，俄罗斯胜利；乌拉圭vs埃及，乌拉圭胜利；伊朗vs摩洛哥，平局。4天以后就可以验证这个结果是对还是错了。

16强的结果是这样的：

四分之一决赛将在葡萄牙vs巴西，以及德国vs阿根廷之间展开。

最终巴西vs德国，巴西获胜。

使用随机森林进行预测

另一方面，微软的AI和数据科学专家Sorin Peste的预测过程则更加完善。在数据的选择上，除了历年世界杯结果，Peste还使用了欧洲杯、奥运会等大型比赛的数据，以及这些比赛的胜率分布。

此外，Peste还考虑了比赛的地址，也即是在主场、客场还是在双方都无关的中立场所，以及比赛是否“friendly”，在踢friendly比赛时，目的不是为了赢球，而是为了观察对手的球员和策略。

在模型的选择上，Peste用的是随机森林（深度500），一种根据呈现给它的特征生成多个决策树的算法，并且每个单独的树对每个新输入向量的结果“投票”。随机森林的速度快，相当准确，可以对泛化误差进行无偏估计，因此不需要交叉验证。

下图展示了迭代1000次后的结果，巴西获胜，阿根廷第二。

统计的方法：德国战车险胜巴西

当然，除了机器学习，还有更多预测是使用大数据方法。KDnuggets上一位狂热球迷用统计的方法，预测德国队会夺冠。他的操作步骤如下：

收集信息:

国际足联世界排名：这是所有211支国家足球队的排名系统。使用积分系统，积分是基于所有FIFA认可的国际比赛的结果。然而，这并不是最好的系统，而且有很多缺点。

Elo评级：该系统最初是为国际象棋联合会FIDE开发的，目的是给棋手打分。它的复杂矩阵根据比赛的类型分配点数，并考虑到双方的净胜球差异。它和国际足联的主要不同之处在于，它也统计了友谊赛的数量。

TransferMarkt team value：这个总部位于德国的网站提供了关于足球各个方面的信息，包括每个知名球员的估计市值。他们列出了参与国的名单和他们的团队价值。

投注赔率：使用投注比较网站OddsChecker，采用每个国家最慷慨的赔率。

TransferMarkt的数字是欧元，而FIFA和Elo有他们自己的评级系统，投注赔率是分数。作者将每一个系统都标准化，使它们具有可比性。在统计中，标准分数（也称为z分数/值，正常分数或标准化值）是数值与平均值不同的标准偏差数。

2018年世界杯，四个流行的预测来源

KDnuggets预测的z分数

如果KDnuggets的预测是正确的，那么世界杯小组赛的结果会是下面这样的：

研究结果引出了一些有趣的结论：

德国排名第一，但仅略高于巴西。紧随其后的是西班牙和法国。

Elo排名系统和投注几率看起来最相似，都列出了相同的前五名(上面提到的四个球队和阿根廷)。

在整个体系中有一些鲜明的对比，其中最引人注目的是秘鲁在国际足联(FIFA)和Elo排名中z分数都排在第10位，而在TrasferMarkt的球队价值排名却在第30位。

民意调查：德国、巴西、阿根廷最受欢迎

除了KDnuggets上的预测，还有诸多世界杯赛前的其他预测：

《每日电讯报》对每支球队进行了广泛的分析，最后进行了一项投票，让读者预测冠军，投票结果如下：



此外，据中新网报道，俄罗斯彼尔姆国立研究大学学生维克多•扎科派洛建立了一个能预测2018年世界杯冠军的神经网络，神经网络综合各项参数进行分析计算后得出结论称，世界杯前三名将是德国队、巴西队和阿根廷队。

四年前，巴西在家门口以1：7输给了德国队，创下了自1920年0：6输给乌拉圭以来最大的世界杯输球记录，震惊全国人民。最终，德国队夺得了当年的世界杯冠军。

今年的俄罗斯世界杯，诸多机构预测巴西和德国将上演冠军大战。巴西能否一雪前耻，德国能否成功卫冕？我们拭目以待。