[论文解读] Hybrid Machine Learning Forecasts for the FIFA Women's World Cup 2019
本文提出了一种混合随机森林模型，结合基于泊松分布的球队实力排名与博彩公司共识赔率，以预测2019年国际足联女足世界杯的结果。该模型基于2011年和2015年赛事的数据进行训练，对2019年世界杯进行了10万次模拟，预测美国队为夺冠最大热门，夺冠概率为28.1%，其次为法国、英格兰和德国。
In this work, we combine two different ranking methods together with several other predictors in a joint random forest approach for the scores of soccer matches. The first ranking method is based on the bookmaker consensus, the second ranking method estimates adequate ability parameters that reflect the current strength of the teams best. The proposed combined approach is then applied to the data from the two previous FIFA Women's World Cups 2011 and 2015. Finally, based on the resulting estimates, the FIFA Women's World Cup 2019 is simulated repeatedly and winning probabilities are obtained for all teams. The model clearly favors the defending champion USA before the host France.
研究动机与目标
- 开发适用于女子国际足球赛事的预测模型，以弥补该领域科学文献的不足。
- 通过将多种排名体系整合进单一机器学习框架，提升预测准确性。
- 利用训练好的模型对2019年国际足联女足世界杯进行10万次模拟，以估算各队晋级各阶段及夺冠的概率。
- 将模型的预测结果与实际博彩公司赔率进行比较，并评估其相对表现。
提出的方法
- 基于2011年和2015年国际足联女足世界杯的历史比赛数据，训练随机森林模型，以球队协变量作为输入特征。
- 采用基于泊松分布的排名方法估算球队实力参数，该方法建模进球强度并最大化似然函数。
- 通过反向锦标赛模拟方法，整合来自18家在线博彩公司的赔率数据，获得博彩公司共识实力。
- 在随机森林模型中使用整合后的协变量集（包括泊松实力与博彩公司共识实力），以预测比赛得分。
- 利用训练好的模型对2019年世界杯进行10万次模拟，以估算各阶段的晋级概率与夺冠概率。
- 汇总模拟结果，计算各队分别进入十六强、八强、四强、决赛以及夺冠的特定概率。
实验结果
研究问题
- RQ1结合基于泊松分布的球队实力与博彩公司共识的混合机器学习模型，能否提升女子国际足球赛事的预测准确性？
- RQ2该混合模型预测的夺冠概率与实际博彩公司赔率所推导出的概率相比如何？
- RQ3根据该模型，2019年国际足联女足世界杯中哪些球队最有可能通过各阶段赛事？
- RQ4该模型是否能识别出美国队和法国队等夺冠热门球队在赛事晋级风险上的结构性差异？
主要发现
- 美国队被预测为2019年国际足联女足世界杯的夺冠最大热门，夺冠概率为28.1%，显著高于博彩公司平均的17.7%。
- 法国队预测夺冠概率为14.3%，略低于博彩公司平均的18.2%，表明模型认为法国队的市场热度略高于其实际实力。
- 美国队有75.5%的概率晋级八强，而法国队为66.8%，尽管两队在十六强阶段的生存概率相近，但法国队更可能提前出局。
- 英格兰和德国被预测为第三和第四号热门，夺冠概率分别为13.3%和12.9%，均低于美国队，但高于其他大多数球队。
- 排名靠后的球队如日本（2.7%夺冠概率）和新西兰（0.3%）夺冠机会极低，泰国和尼日利亚的夺冠概率均不足1%。
- 总体而言，模型的预测趋势与博彩公司赔率一致，但更加强调美国队作为卫冕冠军的实力，凸显了模型在超越市场情绪之外整合球队实力的能力。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。