[論文レビュー] Random forest model identifies serve strength as a key predictor of tennis match outcome

Zijian Gao, Amanda Kowalczyk|arXiv (Cornell University)|Oct 8, 2019

Sports Analytics and Performance参考文献 18被引用数 5

ひとこと要約

本研究では、大規模なテニス対戦データセットを用いてランダムフォレスト機械学習モデルを適用し、80%以上の精度で対戦結果を予測した。サーブの強さが最も重要な予測要因であることが判明し、ベッティングオッズ単体よりも優れた性能を示し、モデルアンサンブル統合によって市場の確率分布を密接に再現した。

ABSTRACT

Tennis is a popular sport worldwide, boasting millions of fans and numerous national and international tournaments. Like many sports, tennis has benefitted from the popularity of rigorous record-keeping of game and player information, as well as the growth of machine learning methods for use in sports analytics. Of particular interest to bettors and betting companies alike is potential use of sports records to predict tennis match outcomes prior to match start. We compiled, cleaned, and used the largest database of tennis match information to date to predict match outcome using fairly simple machine learning methods. Using such methods allows for rapid fit and prediction times to readily incorporate new data and make real-time predictions. We were able to predict match outcomes with upwards of 80% accuracy, much greater than predictions using betting odds alone, and identify serve strength as a key predictor of match outcome. By combining prediction accuracies from three models, we were able to nearly recreate a probability distribution based on average betting odds from betting companies, which indicates that betting companies are using similar information to assign odds to matches. These results demonstrate the capability of relatively simple machine learning models to quite accurately predict tennis match outcomes.

研究の動機と目的

• 公開済みの対戦データを用いて、迅速かつ高精度な機械学習モデルを構築し、テニス対戦結果を予測すること。
• 対戦結果を決定づける上で最も影響力のある選手およびマッチレベルの特徴量を同定すること。
• モデルの予測結果と現実のベッティングオッズを比較し、市場情報とどの程度一致しているかを評価すること。
• スポーツアナリティクスにおける、単純な機械学習モデルと複雑な代替手法の性能を比較すること。

提案手法

• 複数の国際的大会から得た大規模かつクリーニング済みのテニス対戦記録データセットを構築した。
• 選手およびマッチレベルの特徴量に基づいて、ランダムフォレスト分類器を用いて対戦結果を予測した。
• 順列特徴量重要度を用いて、サーブの強さを含む入力変数の予測力の順位を付与した。
• 3つのモデルの予測結果を統合し、ベッティング市場が示す確率分布を近似した。
• 標準的な機械学習指標（精度、AUCなど）を用いてモデルを訓練および評価した。
• 主要会社の平均ベッティングオッズと比較することで、モデルの堅牢性を検証した。

実験結果

リサーチクエスチョン

• RQ1 どの選手およびマッチレベルの特徴量がテニス対戦結果を最も予測可能にするか？
• RQ2 ランダムフォレストのような単純な機械学習モデルが、テニス対戦で高い予測精度を達成できるか？
• RQ3 モデルの予測結果は、実際に観察されたベッティング市場のオッズとどの程度一致するか？
• RQ4 サーブの強さは、他のパフォーマンス指標と比較して、対戦結果の予測においてどの程度優れているか？
• RQ5 アンサンブルモデリングは、プロのベッティング会社が使用する確率分布を効果的に再構築できるか？

主な発見

• ランダムフォレストモデルは80%を超える対戦結果予測精度を達成し、ベッティングオッズ単体の予測を著しく上回った。
• 順列特徴量重要度分析によると、サーブの強さが対戦結果の予測において最も重要な要因であった。
• 3つのモデルのアンサンブルは、主要なベッティング会社の平均オッズから導出された確率分布を密接に再現しており、情報の共有が示唆された。
• モデルの性能は、比較的単純な機械学習手法がスポーツ結果予測において高い精度を達成できることを示している。
• 本研究は、サーブの強さのような重要なパフォーマンス指標が市場オッズに体系的に反映されていることを確認し、モデルの現実世界における妥当性を裏付けた。
• モデルの高速な訓練および予測時間は、スポーツアナリティクスおよびベッティング分野におけるリアルタイム応用への適用を支援する。