[论文解读] 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 14

一句话总结

本研究利用机器学习预测英格兰县二十轮制板球比赛结果，整合了超过500项球队与球员统计数据。通过结合分层特征与简单预测模型，其性能显著优于行业基准，展现出在体育博彩应用中的强大预测能力。

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.

研究动机与目标

• 探究利用机器学习预测英格兰县二十轮制板球比赛结果的可行性。
• 评估球队层面与球员层面特征对预测性能的影响。
• 利用2009至2014年的历史数据优化模型性能，对前期赛季进行训练并在单个赛季上进行测试。
• 将模型性能与博彩行业基准进行比较，以评估其在现实世界中的预测优势。
• 识别适用于体育结果预测的最佳特征工程与建模方法。

提出的方法

• 本研究从原始球队与球员统计数据中构建了超过500个特征，包括工程化的分层特征。
• 模型在前期赛季的数据上进行训练，并在单个赛季（2009–2014）上进行测试，以模拟实时预测。
• 评估了两种建模方法：一种仅使用球队特征，另一种结合球队与球员特征。
• 确定使用简单预测方法与复杂分层特征的组合为最优方案，提升了模型的可解释性与性能。
• 采用标准指标评估模型性能，并与博彩行业基准进行比较。
• 应用超参数调优与交叉验证，以优化模型在各赛季间的泛化能力。

实验结果

研究问题

• RQ1 机器学习模型能否利用球队与球员统计数据准确预测英格兰县二十轮制板球比赛结果？
• RQ2 与仅使用球队特征相比，加入球员层面特征如何影响预测性能？
• RQ3 分层特征工程在多大程度上能提升体育结果预测的模型准确性？
• RQ4 所提出的模型是否优于博彩行业中既有的基准？
• RQ5 当基于前期赛季数据进行训练时，模型性能在不同赛季间是否保持稳定？

主要发现

• 最优模型结合简单预测方法与复杂分层特征，显著优于博彩行业基准。
• 与仅使用球队特征相比，同时包含球队与球员特征显著提升了预测性能。
• 该模型在2009至2014年所有测试赛季中均表现出一致且出色的性能。
• 特征工程起到了关键作用，其中分层特征对模型准确性的贡献尤为显著。
• 本研究证实，机器学习可有效实现T20板球比赛结果的高精度预测。
• 结果表明，此类模型可能在体育博彩市场中提供切实的预测优势。