Προβλέψεις αγώνων καλαθοσφαίρισης με χρήση εργαλείων της εξόρυξης δεδομένων

Καθοδηγούμενοι από την αύξηση των δεδομένων στα αθλητικά παιχνίδια και τις διάφορες τεχνικές στον τομέα της Εξόρυξης γνώσης που χρησιμοποιούνται για διάφορες προβλέψεις, μας δίνετε η δυνατότητα να βγάλουμε διάφορες γνώσεις οι οποίες επηρεάζουν άμεσα τα αποτελέσματα στα διάφορα αθλήματα. Σε πο...

Full description

Saved in:
Bibliographic Details
Main Author: Παζιούρος, Κωνσταντίνος
Other Authors: Μαραγκουδάκης, Εμμανουήλ
Language:el_GR
Published: 2019
Subjects:
Online Access:http://hdl.handle.net/11610/19539
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:Καθοδηγούμενοι από την αύξηση των δεδομένων στα αθλητικά παιχνίδια και τις διάφορες τεχνικές στον τομέα της Εξόρυξης γνώσης που χρησιμοποιούνται για διάφορες προβλέψεις, μας δίνετε η δυνατότητα να βγάλουμε διάφορες γνώσεις οι οποίες επηρεάζουν άμεσα τα αποτελέσματα στα διάφορα αθλήματα. Σε πολλές περιπτώσεις , η πρόβλεψη των αθλητικών αποτελεσμάτων ήταν πάντα μια ελκυστική πρόκληση για έρευνα μέσα σε αυτό το πεδίο. Η παρούσα διπλωματική εργασία επικεντρώνετε στην εξόρυξη δεδομένων για αγώνες μπάσκετ δημιουργώντας ένα μοντέλο το οποίο θα είναι ικανό για πρόβλεψη αποτελεσμάτων κάνοντας χρήση διαφόρων αλγορίθμων. Με σκοπό να γίνει όσο το δυνατόν μια καλύτερη και σωστότερη πρόβλεψη του αποτελέσματος, συλλέχτηκαν δεδομένα από διάφορες ιστοσελίδες αθλητικών αγώνων ώστε το μοντέλο μάθηση να ανταποκρίνεται καλύτερα στην πραγματικότητα. Η μεθοδολογία που χρησιμοποιήθηκε είναι να δημιουργήσουμε ένα πρόγραμμα το οποίο συλλέγει όλα τα δεδομένα από τις ιστοσελίδες για παιχνίδια τα οποία έχουν γίνει στο παρελθόν και έπειτα επιλέγουμε μερικά πεδία αυτών. Με τον όρο πεδία εννοούμε τα πεδία των αγώνων που θεωρήσαμε εμείς ικανά για την σωστότερη πρόβλεψη (πχ επιτυχία στις βολές στα τρίποντα, λάθη ομάδα, λάθη παιχτών, διάφορα στατιστικά κτλ). Τέλος υπολογίστηκε ότι κάθε ομάδα παίζει κατά μέσο όρο 82 παιχνίδια το χρόνο έτσι έχουμε περίπου 2600 δεδομένα για κάθε μια κατηγορία. Έτσι με ένα τόσο μεγάλο όγκο δεδομένων είμαστε κατά κύριο λόγο περισσότερο ακριβείς για μελλοντικές προβλέψεις επερχόμενων αγώνων.