预测模型巴斯特

【9月24日】大数据预测到底靠谱么？附今晚程序预测结果

前言昨日很抱歉，一直备受信任的法乙专家Osef推荐没有命中，朋友们可能受文章的影响没有人预测客队获胜...

前言

昨日很抱歉，一直备受信任的法乙专家Osef推荐没有命中，朋友们可能受文章的影响没有人预测客队获胜。

今天服务器登录不上去，只能将自己正在测试的预测模型结果奉送给大家了。大家可以在下面猜测近日推荐的命中率，老规矩，猜测正确的前两位朋友红包送上。

下面就说说自己的模型想法和感悟，想看结果的直接下拉到步骤5即可。

1数据采集

数据采集和信息采集类似，在巴斯特看来各有利弊。信息获取会掺杂很多主观因素，并且人的精力毕竟有限，会遗漏掉很多基础信息。而数据分析在采集这一步是比人有优势的，一场比赛会产生上万条数据，而且不会因为不熟悉的联赛和球队而被迫放弃。

很多朋友问我是怎么抓取数据的，方法太多了，用着顺手的可以选择python，不会写程序的可以用Excel的插件，想要可视化效果好的可以用Power BI。

2数学模型

和大家想的一样，数学模型才是模型预测的核心，但这才仅仅是开始。

最开始能力不足，接触的都是静态地预测模型，不如说埃罗预测法，进球数预测这些，简单来讲，静态预测就是赛前有数据就可以进行预测了，而且预测结果不会改变，比赛前3天预测是这样子，比赛前1分钟预测也是这个样子。这样做不能说不科学，只是命中率基本上不会太理想。

慢慢地从小球迷变成了老赌棍，就接触到了盘口、水位、赔率和交易量，更进一步有凯利指数、方差、离散度和其他衍生指数。加入这些因素就是动态模型了，就是预测结果是变化的，甚至比赛开始后依然可以通过实时数据来进行预测，比如说巴斯特做的预测软件Alpha狗。

今天预测的模型就是动态模型，不过动态模型要克服不同时间预测比赛结果不一样的情况。怎么办呢？我们预测的趋势，就是有高价值投注项，或者说期望最高的比赛结果。

3模拟运算

其实大家往往忽略了这一步的重要性，即使是动态模型，预测出的结果或者说概率也往往很片面，需要再根据最基础的数据进行蒙特卡洛运算，简单来说就是像FIFA游戏那样，不断的模拟比赛结果，根据模拟出的结果再进行下一次运算，要消耗大量时间。

4机器学习

这好理解，下围棋那个Alpha Go就是神经元学习的模板。本次预测正确与否，预测错了的话错了多少，比如预测主队先进球，结果是客队先进球了，或者预测进球时间在50-70分钟可能性最大，结果90分钟才1-0绝杀，这些程序都会记录在数据库中，通过这些数据继续优化已有的算法。所以才会有这样的说法，Alpha Go下一步怎么走，给他写程序的人也不知道。

5今日预测

先送上程序运行后的原始状态数据。

看着心烦吧？要知道巴斯特为了翻译这些球队和联赛的英文名快要到吐血！！！！！

6模型说明

模型还在测试阶段，也是上面的第3部，今天是意外才发布出来。另外，Alpha狗是巴斯特制作的一款走地大小球预测的APP，已经进入测试阶段，需要30名左右的朋友来测试，暂定IOS和安卓各15名，如果对此有兴趣请关注公众号后加巴斯特哥哥的微信群或者添加巴斯特为好友。更多关于Alpha狗的信息再微信号的菜单中点击Alpha狗即可。