[论文解读] Predicting Outcome of Indian Premier League (IPL) Matches Using Machine Learning

Rabindra Lamsal, Ayesha Choudhary|arXiv (Cornell University)|Sep 26, 2018

Sports Analytics and PerformanceEconomics, Econometrics and Finance被引用 19

一句话总结

本文提出了一种机器学习框架，利用球员表现指标和球队实力评分来预测印度超级联赛（IPL）二十轮制比赛的结果。该框架对影响比赛结果的七个关键因素进行建模，在历史数据上训练了六个模型，并使用多层感知机（Multilayer Perceptron）实现了71.66%的准确率，优于其他模型，在比赛开始前15分钟即可预测2018年IPL比赛结果。

ABSTRACT

Cricket, especially the Twenty20 format, has maximum uncertainty, where a single over can completely change the momentum of the game. With millions of people following the Indian Premier League (IPL), developing a model for predicting the outcome of its matches is a real-world problem. A cricket match depends upon various factors, and in this work, the factors which significantly influence the outcome of a Twenty20 cricket match are identified. Each player's performance in the field is considered to find out the overall weight (relative strength) of the teams. A multivariate regression based solution is proposed to calculate points for each player in the league and the overall weight of a team is computed based on the past performance of the players who have appeared most for the team. Finally, a dataset is modeled based on the identified seven factors which influence the outcome of an IPL match. Six machine learning models were trained and used for predicting the outcome of each 2018 IPL match, 15 minutes before the gameplay, immediately after the toss. Three of the trained models were seen to be correctly predicting more than 40 matches, with Multilayer Perceptron outperforming all other models with an impressive accuracy of 71.66%.

研究动机与目标

• 开发一种基于机器学习的IPL二十轮制比赛结果预测模型。
• 识别并量化影响IPL比赛结果的七个最重要因素。
• 基于球员表现和历史参赛记录计算球队实力。
• 评估多种机器学习模型在实时比赛预测中的预测准确率。
• 在掷硬币后15分钟内，仅使用历史数据实现可靠的赛前预测。

提出的方法

• 使用多元回归模型根据球员在IPL中的过往表现计算个人球员积分。
• 球队实力通过每支队伍中出场次数最多的球员的加权球员积分总和计算得出。
• 提取七个影响比赛结果的关键因素，并用于构建预测数据集。
• 在2018年IPL比赛数据上训练六种机器学习模型，包括多层感知机、随机森林和SVM。
• 在掷硬币后15分钟，基于实时球队阵容和球员统计数据进行预测。
• 使用2018年IPL赛季测试数据的准确率评估模型性能。

实验结果

研究问题

• RQ1 哪些因素对IPL二十轮制比赛结果的影响最为显著？
• RQ2 球员表现指标是否可以聚合为可靠的球队实力评分？
• RQ3 机器学习模型在仅使用赛前数据的情况下，能否准确预测IPL比赛结果？
• RQ4 在所评估的模型中，哪种机器学习模型在预测IPL比赛结果方面表现最佳？
• RQ5 在掷硬币后15分钟做出的预测，是否能仅基于历史球员和球队数据实现高准确率？

主要发现

• 多层感知机模型在所有测试模型中实现了最高的预测准确率71.66%。
• 六种模型中有三种在2018年IPL赛季中正确预测了超过40场比赛。
• 模型在15场比赛的数据上进行训练和评估，预测在掷硬币后15分钟进行。
• 球员表现和球队阵容被证实是决定比赛结果的关键因素。
• 使用多元回归为球员积分赋分，提高了球队实力估算的可靠性。
• 最终数据集整合了七个影响IPL比赛结果的关键因素，构成了模型训练和评估的基础。