TensorFlow 运动预测

Question

我正在尝试开发一个人工智能，它可以组成可能的获胜赌注。但是我不知道我应该如何处理这种人工智能方式。例如，我制作了可以检测人类和动物之间差异的简单 AI，但这个要复杂得多。

我应该使用哪种 AI 模型？我认为线性回归和 K-Nearest Neighbors 在这种情况下不起作用。我正在尝试使用神经网络，但我对它们没有任何经验。

为了让事情更清楚一点。

• 我有一个包含赛程、联赛、国家和预测的 MongoDB
• fixture 包含两支球队、一个联赛 ID 和一些其他值
• 联赛包含一个国家和一些其他值
• 国家只是一个 ID，例如带有 SVG 格式的标志
• 预测是不同市场*及其概率的集合

市场 = 一种投注方式，例如：主队获胜、客队获胜、两队均得分

我还有一个集合，其中包含有关哪个联赛的预测最准确的信息。

我将如何创建这个 AI。所有数据都以非常体面的形式出现，我只是不知道如何开始。例如要使用什么人工智能模型，以及要使用什么输入。另外，我将如何保存 AI 模型并使用进入 MongoDB 的新数据对其进行训练？ （我有多个 cron 作业在 MongoDB 中插入数据）

注意：

• AI 应组成包含 X 个赛程的投注

Answer 1

因为没有“正确”的方式来做到这一点，我会告诉你最通用的方式。 首先要弄清楚的是模型的目标：

1. 您要分类的标签/目标是市场。为了简单起见，我建议您使用 -1 代表主场，0 代表领带，1 代表客场。

2. 数据清理：去除异常值，完成/插入缺失值等

3. 特征提取：

   • 使用 one-hot 编码转换分类值。
   • 将数字特征的值标准化为 0~1。
   • 删除所有不相关的值：具有非常低的 entropy 覆盖整个数据集或每个数据集内的熵非常高 的标签。
   • 尝试从可能有助于分类器区分类别的原始数据中提取逻辑特征。

4. 使用（例如）互信息增益选择特征。

5. 尝试使用简单模型作为 Naive Base，如果您有更多时间可以使用 SVM 模型。请记住 - 没有免费的午餐理论并且少即是多 - 总是喜欢简单的功能和模型。