Любой, кто пробовал это сделать, подтвердит, что прогнозировать хоккейные матчи непросто. Еще сложнее превзойти шансы, установленные такими спортивными букмекерами. Тем не менее, при правильном сочетании навыков, ума и удачи можно сделать ставку на НХЛ. Мы использовали все до последней капли нашего опыта и не оставили без внимания все данные в этом стремлении.

Где брать прогнозы на хоккей: советы по поиску

В то время как ставка «Больше / Меньше» может рассматриваться как бинарная проблема, если заданная сумма голов известна, желательно создать структуру, способную определять вероятности «больше / меньше» для любой произвольной суммы. Имея это в виду, мы решили сформулировать этот тип ставок как задачу мультиклассификации , в которой ищется вероятность для каждого возможного исхода. Таким образом, вероятности можно суммировать по обе стороны от заданной суммы больше / меньше. Поскольку не существует теоретического ограничения на количество голов, которое может быть забито в игре НХЛ, мы установили искусственное ограничение в 17 голов — наибольшее количество голов, которое записывается в нашей базе данных.

Où peut-on légalement parier sur les sports en ligne ? - Video Corner TV

Для прогнозирования общего количества голов использовался двухэтапный процесс, первый из которых заключался в прогнозировании количества голов, забитых любой из команд. Эта проблема потребовала подобного подхода к тому, что в конечном итоге будет использоваться для подсчета игровых итогов. То есть была обучена модель, способная генерировать вероятности для каждого возможного результата групповой цели. Здесь мы устанавливаем ограничение в 12 и допускаем возможность забить 0 голов. Наборы функций, описанные в предыдущем разделе, были реструктурированы для этой новой парадигмы, и переменные были разделены на классы команд и противников, а не дома и в гостях .

Обучение, настройка и оценка этих моделей командных целей следовали тем же этапам, что и модели вероятности выигрыша, с функцией мультилогарифмических потерь, заменяющей бинарную форму, используемую ранее. Всего было протестировано 4 варианта. Алгоритм CatBoost значительно превосходил другие, и любые попытки собрать модель стека, казалось, тянули его вниз. Следовательно, был выбран классификатор CatBoost. Его зарегистрированные потери в журнале составили 2,7485, а точность — 23,54%. Для справки, контрольный журнал потерь для этой проблемы (полученный с использованием среднего распределения вероятностей для командных целей) составляет 3,0183.

Best Way To Bet On Hockey (Beginner Guide) - Alpha Sports Betting

Для проверки использовались два варианта логарифмической потери: та же мультиклассовая ошибка, которая использовалась в примере групповой цели, и другая двоичная потеря с использованием общих целей 5.5 в качестве общей суммы больше / меньше и суммирования вероятностей для получения двоичных правдоподобий. Как ни странно, потеря мультикласса оказалась не лучше бенчмарка — 3,0519 против 3,0515. Тем не менее, бинарный показатель избыточной / недостаточной логарифмической потери превысил контрольный показатель 0,6847 с результатом 0,6832. Мы подозреваем, что этот результат частично вызван ненулевыми вероятностями в целевых классах, которые отсутствовали в наборе данных проверки (не было случаев 16 или 17 целей). Модель также плохо справилась с данными тестирования за 2017–2018 гг., Получив потерю мультикласса 3,1271 (эталонный показатель = 3,1240) и двоичный лог-потери 0,6967 (эталонный показатель = 0,7022).