足球大数据之机器学习预测大小球

在专攻胜平负大数据预测的几年时间里，积累了大量特征向量、参数标定，分析冷门、下盘和半球以内的胜平负准确率高于75%，综合预测准确率达到85%左右。突然转到预测大小球只有2个结果，一时感觉简单了许多。下面谈谈大小预测的认识：

sundayhost

6279人浏览 · 2023-02-09 16:57:35

sundayhost · 2023-02-09 16:57:35 发布

感谢华为云开发联盟收录我的多篇文章，有动力续写足球预测相关话题了。：）

0. 介绍

大小球预测是北京单场玩法中上下单双类别，与进球数玩法相互对应。

1. 机器学习之大小预测的目标

公司有两个海龟专攻大小预测，一个英国另一个澳大利亚，都是学算法，起初觉得很简单，在网上搜索如何通过足球基本面在预测大小的资料，再结合各公司的历史盘口，用Linear / logistic regression、Decision trees、RF、ANN、Catboost、Bayes、SVM算法及其改进算法试了个遍，最终理想的预测准确率在65%左右，当把准确率上调至80%以上时，所选的比赛场次非常少，一天就1、2场，甚至还没有，如果出现2天错误，基本就废掉了。

公司还有几个数学专业的研究生后来也参与了大小预测，从离散分布，K线分析、欧亚走势、均差、偏态、峰值、波动、方波这类出发，搞出来的结果不稳定。

大小球预测看似准确率能达到65%也够了，理论可以做到盈利，但在实际操作中很难。普通人花点时间通过常规基本面的比较筛选出60%的胜率也不难。如果模型做出来的准确率未达到70%，次数多了不会亏很多，但是绝对赢不了。

2. 机器学习之大小预测的输出结果分类

大小球预测按照给定的盘口分类划为大和小两种类型。

3. 机器学习的特征向量选择

（1）基本面

主要分析近几轮比赛中，主客两队独自情况和交战情况。主要计算平均进球数、失球数。

网络上没有人提及但更重要的指标如：最大进球数、最小进球数及其间隔周期、统计进球数的方差和标准差，也需要纳入计算考量，需要基础数据库可以联系。具体计算程序编写并不难：

def jisuan(finaldata,group12,num,how2):
    

    group13 = group12.groupby(['gameid']).apply(lambda x: x.zongjin.mean())
    df1 = group13.to_frame().reset_index()
    df1.rename(columns={0: 'avg%s'%(num+how2)}, inplace=True)
    finaldata = pd.merge(finaldata, df1, on='gameid', how='left')

    group13 = group12.groupby(['gameid']).apply(lambda x: x.zongjin.min())
    df1 = group13.to_frame().reset_index()
    df1.rename(columns={0: 'min%s'%(num+how2)}, inplace=True)
    finaldata = pd.merge(finaldata, df1, on='gameid', how='left')

    group13 = group12.groupby(['gameid']).apply(lambda x: x.zongjin.max())
    df1 = group13.to_frame().reset_index()
    df1.rename(columns={0: 'max%s'%(num+how2)}, inplace=True)
    finaldata = pd.merge(finaldata, df1, on='gameid', how='left')

    group13 = group12.groupby(['gameid']).apply(lambda x: str(x.zongjin.tolist()))
    df1 = group13.to_frame().reset_index()
    df1.rename(columns={0: 'stauts%s'%(num+how2)}, inplace=True)
    finaldata = pd.merge(finaldata, df1, on='gameid', how='left')

    ###无偏方差：统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数
    group13 = group12.groupby(['gameid']).apply(lambda x: round(x.zongjin.var(), 2))
    df1 = group13.to_frame().reset_index()
    df1.rename(columns={0: 'var%s'%(num+how2)}, inplace=True)
    finaldata = pd.merge(finaldata, df1, on='gameid', how='left')
    ###有偏方差：统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数
    group13 = group12.groupby(['gameid']).apply(lambda x: round(x.zongjin.values.var(), 2))
    df1 = group13.to_frame().reset_index()
    df1.rename(columns={0: 'var1%s'%(num+how2)}, inplace=True)
    finaldata = pd.merge(finaldata, df1, on='gameid', how='left')

    ###无偏标准差
    group13 = group12.groupby(['gameid']).apply(lambda x: round(x.zongjin.std(), 2))
    df1 = group13.to_frame().reset_index()
    df1.rename(columns={0: 'std%s'%(num+how2)}, inplace=True)
    finaldata = pd.merge(finaldata, df1, on='gameid', how='left')
    ###有偏标准差
    group13 = group12.groupby(['gameid']).apply(lambda x: round(x.zongjin.values.std(), 2))
    df1 = group13.to_frame().reset_index()
    df1.rename(columns={0: 'std1%s'%(num+how2)}, inplace=True)
    finaldata = pd.merge(finaldata, df1, on='gameid', how='left')

    return finaldata

最终将各场比赛主客队对应的进球数、失球数、平均值、最大/小值保存，得到：

通过进球个数序列和方差/标准茶，我们可以看出这支球队是否进球数是否稳定。这点非常重要。

（2）各公司的历史记录

做各公司的大小球历史统计，需要的和上文一样也是基础数据库，如果需要可以联系我。

通过调用基础数据库，记录不同公司各大小盘口下的情况。最终我们可以找出关键特征，如各公司不同赛事盘口下的大小情况，隐藏赛事后的结果如下：

（3）基本面加特征向量的处理

这里可以用随即森林、决策树来解决，有现成的模型包，不必展开细说。

4. 结论

当前，多个网站/app/公众号习惯用吸引眼球的标题宣称大小球准确率能达到很高，其实这是很难的，现在专心做模型算法研究的太少了，可笑的是大多数大师/公众号甚至连基础数据库都没有，仅凭借不成熟的技巧很难成功。做好大小球预测，基础数据库是前提，思路是关键，优化是细节，认真理解大小球的处理方式，才可能将准确率提高到理想状态。