Детальная информация

Целью работы является разработка модели для прогнозирования теннисных матчей. Предметом исследования является анализ методов машинного обучения и реализация на их основе модели прогнозирования исхода теннисного матча. В ходе работы были изучены исследования в области спортивного прогнозирования, в частности теннисных матчей. Было определено, что лучший результат по точности прогноза на данный момент 68,2%. Далее были описаны основные методы, используемые в задачах прогнозирования. Было проведено сравнение точности прогнозов моделей с параметрами по умолчанию и для дальнейшей оптимизации отобраны следующие методы: логистическая регрессия, метод случайного леса, метод опорных векторов, нейронная сеть с двумя плотными слоями и нейронная сеть с двумя GRU слоями. Для этих методов были подобраны оптимальные гиперпараметры, с целью улучшения точности прогноза. Был разработан программный код для создания и обучения моделей, а также предобработки изначальных данных о теннисных матчах. В ходе тестирования удалось получить результат по точности прогноза выше, чем в аналогичных работах. На практике полученные результаты могут применяться в сфере беттинга, а также для дальнейших исследований в области спортивного прогнозирования.

The aim of this work is to develop a model for predicting the outcome of tennis matches. The subject of the study is analysis of machine learning methods and implementation on their basis of model for predicting outcome of tennis matches. During the work, research in the field of sports forecasting, in particular tennis matches, was studied. It was determined that the best result in terms of forecast accuracy at the moment is 68,2%. The following described the main methods used in forecasting problems. The accuracy of model forecasts was compared with default parameters and the following methods were selected for further optimization: logistic regression, random forest, support vector machine, neural network with two dense layers and neural network with two GRU layers. Optimal hyperparameters were selected for this methods in order to improve the accuracy of the forecast. Program code was developed to create and train models, as well as preprocess initial data on tennis matches. During testing, it was possible to obtain a result in forecast accuracy higher than in similar works. In practice, the results obtained can be used in the field of betting, as well as for further research in the field of sports forecasting.