[論文レビュー] Using Machine Learning to Predict the Outcome of English County twenty over Cricket Matches

Stylianos Kampakis, William Thomas|arXiv (Cornell University)|Nov 18, 2015

Sports Analytics and Performance参考文献 6被引用数 14

ひとこと要約

本研究では、500以上のチームおよび選手統計データを活用して、機械学習を用いてイングランド・カウンティT20クリケット試合の結果を予測する。階層的特徴量と単純な予測モデルを組み合わせることで、業界のベンチマークを著しく上回る性能を達成し、スポーツベッティング応用における強力な予測能力を示している。

ABSTRACT

Cricket betting is a multi-billion dollar market. Therefore, there is a strong incentive for models that can predict the outcomes of games and beat the odds provided by bookers. The aim of this study was to investigate to what degree it is possible to predict the outcome of cricket matches. The target competition was the English twenty over county cricket cup. The original features alongside engineered features gave rise to more than 500 team and player statistics. The models were optimized firstly with team features only and then both team and player features. The performance of the models was tested over individual seasons from 2009 to 2014 having been trained over previous season data in each case. The optimal model was a simple prediction method combined with complex hierarchical features and was shown to significantly outperform a gambling industry benchmark.

研究の動機と目的

• イングランド・カウンティT20クリケット試合の結果を、機械学習を用いて予測可能かどうかを調査すること。
• チームレベルおよび選手レベルの特徴量が予測性能に与える影響を評価すること。
• 2009年から2014年までの歴史的データを用いて、以前のシーズンを訓練データとし、個々のシーズンをテストデータとして、モデルの性能最適化を行うこと。
• ギャンブル業界のベンチマークと比較して、実世界での予測的優位性を評価すること。
• スポーツ結果予測に最も効果的な特徴量エンジニアリングおよびモデリング手法を同定すること。

提案手法

• 本研究では、元のチームおよび選手統計データから500以上の特徴量を構築し、エンジニアリングされた階層的特徴量も含む。
• モデルは、前年のシーズンデータを訓練データとし、個別のシーズン（2009–2014）をテストデータとして用い、リアルタイム予測を模擬する。
• 2つのモデリングアプローチを評価する：1つはチーム特徴量のみを用いるもの、もう1つはチーム特徴量と選手特徴量を組み合わせる方法。
• 単純な予測手法と複雑な階層的特徴量の組み合わせが最適であると特定され、モデルの解釈可能性と性能が向上した。
• 標準的な指標を用いてモデル性能を評価し、ギャンブル業界のベンチマークと比較した。
• ハイパーパrameterチューニングと交差検証を適用して、シーズン間でのモデル汎用性を最適化した。

実験結果

リサーチクエスチョン

• RQ1 機械学習モデルは、チームおよび選手統計データを用いて、イングランド・カウンティT20クリケット試合の結果を正確に予測できるか？
• RQ2 選手レベルの特徴量を含めることで、チームレベルの特徴量のみを使用する場合と比べて、予測性能はどのように変化するか？
• RQ3 階層的特徴量エンジニアリングは、スポーツ結果予測におけるモデル精度をどの程度向上させ得るか？
• RQ4 提案されたモデルは、ギャンブル業界で一般的に用いられる既存のベンチマークを上回る性能を示すか？
• RQ5 過去のシーズンデータを用いて訓練した場合、モデルの性能は異なるシーズン間でどの程度安定しているか？

主な発見

• 単純な予測手法と複雑な階層的特徴量を組み合わせた最適モデルは、ギャンブル業界のベンチマークを著しく上回った。
• チーム特徴量に加えて選手特徴量を含めることで、チーム特徴量のみのモデルと比較して、予測性能が向上した。
• モデルは2009年から2014年までの全テストシーズンで一貫した強力な性能を示した。
• 特徴量エンジニアリングが極めて重要であり、階層的特徴量がモデルの精度に顕著な貢献をした。
• 本研究では、機械学習がT20クリケットのスポーツ結果を高い精度で効果的に予測できることを確認した。
• 結果から、このようなモデルがスポーツベッティング市場において実質的な優位性を提供できる可能性がある。