Maskinlärning,

AI och Data mining

ETT

D:\dev\tipshjalpen\venv\Scripts\python.exe D:/dev/tipshjalpen/main.py
==========form===========
#form for lag 27678:
Omgang: 27 - Win
Omgang: 28 - Win
Omgang: 29 - Win
Omgang: 30 - Win
Omgang: 31 - Win
#form for lag 27665:
Omgang: 27 - Loss
Omgang: 28 - Win
Omgang: 29 - Loss
Omgang: 30 - Win
Omgang: 31 - Loss
#hemmaform for lag 27678:
Omgang: 23 - Win
Omgang: 25 - Win
Omgang: 27 - Win
Omgang: 29 - Win
Omgang: 31 - Win
#bortaform for lag 27665:
Omgang: 23 - Draw
Omgang: 25 - Win
Omgang: 27 - Loss
Omgang: 29 - Loss
Omgang: 31 - Loss
==========monster===========
#monster lag: 27678
langsta hittade monster i ordning: [10, 7, 6, 5, 4] - antal: 64
Sannorlikhet vinst: 0.640625%
Sannorlikhet oavgjort: 0.203125%
Sannorlikhet forlust: 0.15625%
#monster lag: 27665
langsta hittade monster i ordning: [6, 5, 4] - antal: 12
Sannorlikhet vinst: 0.5%
Sannorlikhet oavgjort: 0.166666666667%
Sannorlikhet forlust: 0.333333333333%
#monster sammaslaget:
sannorlikhet vinst lag 1: 0.486979166667%
sannorlikhet oavgjort: 0.184895833333%
sannorlikhet vinst lag 2: 0.328125%
Med 1 fel tillatet i monstret:
#monster lag: 27678
langsta hittade monster i ordning: [10, 8, 7, 6] - antal: 58
Sannorlikhet vinst: 0.603448275862%
Sannorlikhet oavgjort: 0.172413793103%
Sannorlikhet forlust: 0.224137931034%
#monster lag: 27665
langsta hittade monster i ordning: [8, 7, 6] - antal: 14
Sannorlikhet vinst: 0.642857142857%
Sannorlikhet oavgjort: 0.0714285714286%
Sannorlikhet forlust: 0.285714285714%
#monster sammaslaget:
sannorlikhet vinst lag 1: 0.444581280788%
sannorlikhet oavgjort: 0.121921182266%
sannorlikhet vinst lag 2: 0.433497536946%
==========nuvarande streak===========
!!!! lag 1 har 5 raka Win !!!!
Sannorlikhet vinst: 0.595238095238% - kryss: 0.214285714286%, forlust: 0.190476190476% - antal: 42
!!!! lag 1 har 5 raka Win pa hemmaplan !!!!
Sannorlikhet vinst: 0.807692307692% - kryss: 0.0961538461538%, forlust: 0.0961538461538% - antal: 52
!!!! lag 2 har 3 raka Loss pa bortaplan !!!!
Sannorlikhet vinst: 0.454545454545% - kryss: 0.0909090909091%, forlust: 0.454545454545% - antal: 11
==========relativ form===========
sannorlikhet vinst lag 1 - lag 2: 1.68 - 2.53 
==========relativ hemma/borta-form===========
sannorlikhet vinst lag 1 - lag 2: 2.63 - 1.69 
==========hemmatabell===========
gp   w   d   l   pts
16   13   1   2   40
==========bortatabell===========
gp   w   d   l   pts
16   8   4   4   28
==========tidigare moten===========
sammanslaget: lag1 vinster - 8, oavgjorda - 2, forluster - 7
sannorlikhet: lag1 vinst - 0.470588235294%, oavgjort - 0.117647058824%, lag 2 vinst - 0.411764705882%
relativ sannorlikhet vinst lag 1 - lag 2: 6.65 - 5.39 
hemma/borta: lag1 vinster - 4, oavgjorda - 1, forluster - 3
hemma/borta sannorlikhet: lag1 vinst - 0.5%, oavgjort - 0.125%, lag 2 vinst - 0.375%
hemma/borta relativ sannorlikhet vinst lag 1 - lag 2: 3.35 - 1.94 
==========plotta relativ historisk form===========

TVÅ

Kvantifiering

att beskriva med siffror

[ 0.437 , 0.284 , 0.279]

[ 0.437 , 0.284 , 0.279]

[ 0.25 , 0.125 , 0.625]

[ 0.5 , 0.0 , 0.5]

[ 0.25 , 0.5 , 0.25]

[ 0.437 , 0.284 , 0.279]

[ 0.437 , 0.284 , 0.279]

[ 0.25 , 0.125 , 0.625]

[ 0.5 , 0.0 , 0.5]

[ 0.25 , 0.5 , 0.25]

?

65 536
43 046 721
4 294 967 296

2 timmar
54 dagar
14 år

Metodfel

Vad är 

?

HUR TOLKAR JAG?

TRE

MASKINLÄRNINGSAlgoritmer

olika ändamål

ALGORITMER

  • Regression
  • Klassificering
  • Klustring

KLUSTRING

REGRESSION

ATT TESTA

TRÄningsdata och testdata

 

Text

All data

TRÄNINGSDATA

 

TESTDATA

 

varför regression

borde inte klassificering lämpa sig bättre?

STYRKEINDIKATOR

Sannoliket - likelihood

FYRA

API-mashup

fungerar det

kan man förutse stryktipset?

METAESTIMATOR

THE MOTHER OF ALL ALGORITMS

50% alla
70%  delmängd

NJA!

UTE NU

import datetime
from fbdata.fbdata import fbDataParser


with fbDataParser() as parser:
    print parser.get_stats_for_game("Liverpool", "AstonVilla",
                                    datetime.datetime.strptime("2014-09-13", "%Y-%m-%d").date())
    print parser.get_historical_data_for_team("Liverpool",
                                              datetime.datetime.strptime("2014-12-13", "%Y-%m-%d").date())

>>>parsed 7002 games
>>>{'BbAHh': '-1.5', 'HY': '2', 'BbMx>2.5': '1.59', 'HTHG': '0', 'HR': '0', 'HS': '18', 'VCA': '11.5', 'BbMxD': '6', 'AwayTeam': 'Aston Villa', 'BbAvD': '5.58', 'PSD': '5.92', 'BbAvA': '10.79', 'HC': '7', 'HF': '9', 'Bb1X2': '45', 'BbAvH': '1.29', 'WHD': '5', 'Referee': 'L Mason', 'WHH': '1.3', 'WHA': '11', 'IWA': '10', 'AST': '1', 'BbMxH': '1.33', 'HTAG': '1', 'BbAv>2.5': '1.53', 'IWH': '1.27', 'LBA': '11', 'BWA': '11', 'BWD': '5.5', 'LBD': '5.5', 'HST': '1', 'PSA': '11.85', 'Date': datetime.date(2014, 9, 13), 'LBH': '1.3', 'BbMxAHA': '2.1', 'BbAvAHA': '2.04', 'BbAvAHH': '1.82', 'IWD': '5.2', 'AC': '6', 'FTR': 'A', 'VCD': '6', 'AF': '10', 'VCH': '1.3', 'FTHG': '0', 'BWH': '1.3', 'AS': '5', 'AR': '0', 'AY': '1', 'Div': 'E0', 'SJA': '9.5', 'SJD': '5.5', 'PSH': '1.3', 'B365H': '1.3', 'HomeTeam': 'Liverpool', 'B365D': '6', 'SJH': '1.29', 'B365A': '11', 'BbMx<2.5': '2.58', 'BbMxAHH': '1.88', 'BbAv<2.5': '2.42', 'HTR': 'A', 'BbAH': '26', 'BbOU': '37', 'FTAG': '1', 'BbMxA': '12'}
>>>[24, 19, 15, 17, 6, 12, 12, 16, 11, 15]

EPILOG

Hungrigt community, 
https://thebubblegame.wordpress.com/2014/12/23/some-graphs/ 
https://twitter.com/octonion

Frågor på det?

Faq

  • Hur är det relevant?
  • Finns det liknande projekt?
  • Hur lång tid har det tagit?