Формула Байеса - модель ставок на футбол!
#21 OFFLINE
Posted 24 September 2015 - 14:19
#22 OFFLINE
Posted 28 September 2015 - 06:27
Alliance87, on 24 September 2015 - 14:19, сказал:
Если надо что-то то просто скопируйте встроенные функции в модуль VBA в екселе и потестите чё-нить сами на этих вот экспериментальных моделях.
В начале вычисляется номер кластера
в какую-то яч вводим
=CLASTG1G2_36(Таблица1[@[Г1]:[Г2]])
Или
=CLASTG1G2_36(O3:P3)
MOCORECT(адр1;адр2;адр3;адр4;адр5;адр6;адр7;адр8)
Адр
1—номер кластера
2—среднее забитых дом. ком. дома (за какое-то число последних игр допустим 12 домашних игр)
3—среднее пропущенных дома
4—среднее заб в гостях гостевой ком.
5—средн. пропущено гостевой в гост.
6—первыичнае оценки МО1 (Г1)
7—первичная МО2(Г2) по первичным определяется номер кластера
8—относителяная разность очков очки1/число игр1-очки2/числоигр2 (если число игр одинаково то это просто разность очков делённое на число игр)
Как вычислять первичные МО(Г1, Г2) читайте на пинке…www.pinnaclesports.com/ru/betting-articles/soccer/how-to-calculate-poisson-distribution но в качестве средних берите данные окон, которые потом и будете вставлять в функцию коррекции MOCORECT
Лиги берите--премьер англ, итал, франц, испания...так как по их данным строились модели (но можно попробовать что-то похожее на них так как они по идее все разные эти 4 лиги(особенно франц), а модель делалась по куче)
Edited by Bambuk, 28 September 2015 - 06:31.
#23 OFFLINE
Posted 29 September 2015 - 13:42
вот у меня есть определенные данные по лиге , определяю первоначальные модели МО1 МО2 по пуассону , это понятно , непонятно как определить МО из темы сектора , если это тема ТФМ , то я там не видел МО , видел дельты в зависимости от времени или это оно и есть ?
как вообще понять следующий текст -----Далее можно поступить так как описано в рейтинговой системе предложенной Сектором---коррекция по последним 3-5 играм (отталкиваемся от среднего за 3-5 прогнозного и реально наступившего --разность берётся для коррекции с некоторым положительным коэффициентом меньше 1 ну допустим 0.25...это можно подобрать по идее).....исключение только в том что тут лучше брать за прогнозные уже скорректированные значения на основе предыдущих расхождений (то есть модель что выше в двух строках плюс поправка 0.25*дельта с реаловом)...... ???
Далее , после того как определили МО , относим эти МО к соответствующему кластеру , тоже понятно
Кластеры получили путём подбора типа коридоров , на глаз , тоже понятно
А вот по поводу корректировки возникли вопросы , если в целом то понятно , МО начальное + дельта корректировки = МО приближ
Но вот как получить дельту корректировки я не понял совсем , можно поподробней пожалуйста по поводу корректировки ?Функцию MOCORECT я не понял вообще что откуда берётся что по какому алгоритму считается , откуда получили строки со значениями
Matr_1(0, 0) = -0.3098
Matr_1(1, 0) = 0.5529
Matr_1(2, 0) = 0.5902
Matr_1(3, 0) = 0.3022
Matr_1(4, 0) = -0.2612
Matr_1(5, 0) = 0.3059
Matr_1(6, 0) = -0.077
Matr_1(7, 0) = 0.2903
Matr_1(0, 1) = 0.6258
Matr_1(1, 1) = 1.3545
Matr_1(2, 1) = -0.7857
Matr_1(3, 1) = -1.2242
Matr_1(4, 1) = 0.9519
Matr_1(5, 1) = -0.937
Matr_1(6, 1) = 0.9159
и т.д ?
Если допустим строить нейросеть с 8 параметрами и на выходе два нейрона МО1 и МО2 каким то софтом , то понятно как корректировку получить , вы же корректировку сделали как то ручками на VBA , не могу разобраться в коде вашем , уважаемый Bambuk
Сейчас ещё раз посмотрел ваш код , и не понял как вы кластеризацию делали ? 36 кластеров ,вы сами создали эти коридоры ?
#24 OFFLINE
Posted 29 September 2015 - 13:52
#25 OFFLINE
Posted 01 October 2015 - 07:48
Первичная кластеризация по каким критериям производится ? По МО1 и МО2 вместе или раздельно ?
Первичная корректировка производится уже после кластеризации внутри каждого кластера отдельно ? То есть например получили кластер например тот же что и вы приводили 0.50-0.58 , делаем корректировку , считая новые МО уже внутри этого кластера , а потом умножаем МО1(нач)*МО1(коррект.)=МО1? Правильно я думаю ?
MO(0) = Matr_1(0, Clast.Value) + Zab1.Value * Matr_1(1, Clast.Value) + _
Pro1.Value * Matr_1(2, Clast.Value) + _
Zab2.Value * Matr_1(3, Clast.Value) + _
Pro2.Value * Matr_1(4, Clast.Value) + _
G1.Value * Matr_1(5, Clast.Value) + _
G2.Value * Matr_1(6, Clast.Value) + _
Och12.Value * Matr_1(7, Clast.Value)
MO(0) = Matr_1(0, Clast.Value) + Zab1.Value * Matr_1(1, Clast.Value) + _ чем в данной строке является Matr_1(0, Clast.Value), Zab1.Value,Matr_1(1, Clast.Value)? и для чего перемножаются критерии Pro1.Value,Zab2.Value ...на Matr_1(2, Clast.Value),Matr_1(3, Clast.Value) соответственно ??
отталкиваемся от среднего за 3-5 прогнозного и реально наступившего---- это значит берём за последние 3-5 матчей высчитываем среднее МО которое прогнозировалось и считаем МО на основе реальных цифр затем из МОреал вычитаем МОпрогноз ?
эту коррекцию лучше даже проводить исходя не из средней оценки модели МО за 3-5 игр а по максимальной вероятности в распределении голов
которой соответствует некий счёт--вот его и надо брать...хотя тут можно разные варианты прогнать и по Рмакс(то есть суммируем вот эти счета и находим среднее потом ищем дельту) и по самим МО.
по максимальной вероятности в распределении голов
которой соответствует некий счёт--- что это значит ?
Задаю вопросы потому что хочу разобраться и развивать это направление
Надеюсь на адекватные понятные ответы
Спасибо Bambuk
#26 OFFLINE
Posted 02 October 2015 - 06:15
yall, on 01 October 2015 - 07:48, сказал:
Первичная кластеризация по каким критериям производится ? По МО1 и МО2 вместе или раздельно ?
Первичная корректировка производится уже после кластеризации внутри каждого кластера отдельно ? То есть например получили кластер например тот же что и вы приводили 0.50-0.58 , делаем корректировку , считая новые МО уже внутри этого кластера , а потом умножаем МО1(нач)*МО1(коррект.)=МО1? Правильно я думаю ?
Для кластеризации первично используем рассчитанные по модели пинки МО1 МО2 , кластеризация проводилась методом К-средних, но чтоб Вам это не делать то я унифицировал
это дело и ввёл центры кластеризации---это по смыслу точка в 2-ух мерном пространстве МО1 МО2 а потом алглритм просто перебирает Евклидовы расстояния от нашей точки до этих центров и берёт минимальное за соответствие кластеру (и возвращает номер кластера) таким образом мы первично разбиваем кучу на 36 составных частей и вот для каждой части строим свою модель (я взял простейший вариант---линейную регрессионную модель с параметрами ниже)
MO(0) = Matr_1(0, Clast.Value) + Zab1.Value * Matr_1(1, Clast.Value) + _
Pro1.Value * Matr_1(2, Clast.Value) + _
Zab2.Value * Matr_1(3, Clast.Value) + _
Pro2.Value * Matr_1(4, Clast.Value) + _
G1.Value * Matr_1(5, Clast.Value) + _
G2.Value * Matr_1(6, Clast.Value) + _
Och12.Value * Matr_1(7, Clast.Value)
MO(0) = Matr_1(0, Clast.Value) + Zab1.Value * Matr_1(1, Clast.Value) + _ чем в данной строке является Matr_1(0, Clast.Value), Zab1.Value,Matr_1(1, Clast.Value)? и для чего перемножаются критерии Pro1.Value,Zab2.Value ...на Matr_1(2, Clast.Value),Matr_1(3, Clast.Value) соответственно ??
отталкиваемся от среднего за 3-5 прогнозного и реально наступившего---- это значит берём за последние 3-5 матчей высчитываем среднее МО которое прогнозировалось и считаем МО на основе реальных цифр затем из МОреал вычитаем МОпрогноз ?
эту коррекцию лучше даже проводить исходя не из средней оценки модели МО за 3-5 игр а по максимальной вероятности в распределении голов
которой соответствует некий счёт--вот его и надо брать...хотя тут можно разные варианты прогнать и по Рмакс(то есть суммируем вот эти счета и находим среднее потом ищем дельту) и по самим МО.
по максимальной вероятности в распределении голов
которой соответствует некий счёт--- что это значит ?
Когда Вы получаете скорректированные МО по ним по распределению Пуассона (или по биномиальному распр.) можно найти вероятности для команд забить 0-голов 1-гол 2-гола и так далее......так вот за счёт можно взять значение соответствующее максимальной Р в распределении для каждой команды.
Далее встаёт вопрос--как скорректировать? Я предложил опять простейший вариант---суммировать значения (они сами по идее уже результат двух коррекций) модели за 5 игр(соответствующие мах Р и потом скорректированные по аналогии что сейчас пишу) допустим и реальных резов команды и брать среднее (делим на 5 эти данные)
потом находить дельту между средним реальных и прогнозных и брать долю(например 0.25 от дельты между средними) для коррекции для команды (то есть следующий прогноз мы получаем из модели + эта вычисленная коррекция и заносим его в базу дан.)
Но вот эту вторую коррекцию можно попробовать и не делать на начальной стадии а попробовать поискать процедуры принятия решений по первичной коррекции---ну допустим вот так (это пример) находим вероятности выигрыша дом ком Р1 потом смотрим К1*Р1-1 допустим ставим П1 если К1 меньше 2 а К1*Р1-1 больше 0,15 и ставим Х если К1*Р1-1<-0,17
ну и так далее, но тут могут и другие характеристики команд подключаться ВНП, тоталы итд итп...(какие-то последние данные за 3-5 последних игр....и прочее)
Задаю вопросы потому что хочу разобраться и развивать это направление
Надеюсь на адекватные понятные ответы
Спасибо Bambuk
#27 OFFLINE
#28 OFFLINE
Posted 04 October 2015 - 19:52
#29 OFFLINE
Posted 06 October 2015 - 19:59
Первая корректировка происходит по тому же принципу определения МО (Пуассон ) только внутри данного кластера ? Для чего вводятся те самые 8 критериев и как они задействуются ?
#30 OFFLINE
Posted 06 October 2015 - 23:31
yall, on 06 October 2015 - 19:59, сказал:
Первая корректировка происходит по тому же принципу определения МО (Пуассон ) только внутри данного кластера ? Для чего вводятся те самые 8 критериев и как они задействуются ?
А дальше просто в каждом класторе корректируют МО1 и МО2(на каждый кластер две регрессионных модели...но их по идее можно заменить нейросетевой моделью и добавить ещё чего-то кроме уже введённых параметров)....дело в том что в одной лиге так невозможно сделать так как данных мало для такой модели (сами посудите---8 туров мы выкинем примерно а в остатке за сезон получим мало пар для 36 кластеров...даже если тупо по 10 взять то уже 360 надо...а этого мало и 3-4 сезона тоже не выход так как некоторые кластеры по численности меньше а некоторые больше...).....
Смысл в целом в том что все модели в основном которые в нете есть они отталкиваются от однозначных показателей сил нападения и защиты (ну это типа параметры модели)...а на самом деле при детальном изучении этого можно прийти к выводам что так описать не получается и команды играют по разному с разными группами (имеют уже персональные показатели в зависимости от групп....по идее можно лигу раздербанить на 4 группировки, но там нет возможности иметь представительные выборки для определения этих вот параметров и поэтому я предложил немного нестандартный подход---через сваливания лиг в кучу но более детально делить их по начальным Г1 Г2 вычисленным традиционными методами(которые в целом достаточно подробно освещены.....но я могу конечно и более сложные алгоритмы предложить определения этих начальных МО...но просто это излишество будет и в базу заносить долго---так как если вот сейчас начать с нуля формировать базу то там быстродействие желательно а если в екселе делать...то это 100% тормоза начнутся....
это вот когда допустим систематически там чёта вносить в базу лет пять то это ещё не так напряжно а если с нуля то заморочек много со скоростью обработки (базу можно недели две воять чтоб просто начать строить модель).....
То что я там выложил это просто у меня уже были просчитанные лиги за 5 лет, но их тока 4 было полностью с данными(а остальные там хер чё)... сейчас вот начал на 22 лиги считать...но это долго просто (часа полтора-два в день уделяю и так вот может в конце месяца чёта там насчитаю ...хз напрягает рутинная работа---тыкаешь одно и тоже по формулам потом формулы надо удалять и оставлять циферы...а то ексель ни хрена не тянет большие объёмы (хотя там всего около 50000 игр)....
Edited by Bambuk, 06 October 2015 - 23:33.
#31 OFFLINE
Posted 07 October 2015 - 09:07
Я знаю как считаются МО по Пуассону , я хотел узнать как производится корректировка первичная после разделения на кластеры , с десятого раза я понял что вы скопировали так что пришлось гадать что и как.. Вот к каким выводам пришёл я , ниже код первичной корректировки , до этого момента не мог понять что за +_ в конце , а это как оказалось перенос строки просто , верно ?
MO(0) = Matr_1(0, Clast.Value) + Zab1.Value * Matr_1(1, Clast.Value) + _
Pro1.Value * Matr_1(2, Clast.Value) + _
Zab2.Value * Matr_1(3, Clast.Value) + _
Pro2.Value * Matr_1(4, Clast.Value) + _
G1.Value * Matr_1(5, Clast.Value) + _
G2.Value * Matr_1(6, Clast.Value) + _
Och12.Value * Matr_1(7, Clast.Value)
и это можно выразить как
MO(0) = Matr_1(0, Clast.Value) + Zab1.Value * Matr_1(1, Clast.Value) +Pro1.Value * Matr_1(2, Clast.Value) + Zab2.Value * Matr_1(3, Clast.Value) + Pro2.Value * Matr_1(4, Clast.Value) + G1.Value * Matr_1(5, Clast.Value) + G2.Value * Matr_1(6, Clast.Value) + Och12.Value * Matr_1(7, Clast.Value), критерии перемножаются на центры кластера которые Вы уже посчитали за нас , верно ?
Кластеризацию вы производили по какому количеству критериев ?
Vxod(0, 0) = 1.4274
Vxod(1, 0) = 1.0934
Vxod(2, 0) = 1.4247
Vxod(3, 0) = 2.1741
Vxod(4, 0) = 2.8308
Vxod(5, 0) = 1.3542
Vxod(6, 0) = 0.7009
Vxod(7, 0) = 0.8444
Vxod(8, 0) = 1.7555
Vxod(9, 0) = 2.1137
Vxod(10, 0) = 2.4477
Vxod(11, 0) = 1.4136
Vxod(12, 0) = 1.7481
Vxod(13, 0) = 0.7401
Vxod(14, 0) = 2.6148
Vxod(15, 0) = 1.1481
Vxod(16, 0) = 1.0668
Vxod(17, 0) = 2.676
Vxod(18, 0) = 3.4578
Vxod(19, 0) = 1.77
Vxod(20, 0) = 4.4713
Vxod(21, 0) = 1.7486
Vxod(22, 0) = 2.1195
Vxod(23, 0) = 1.7294
Vxod(24, 0) = 1.2661
Vxod(25, 0) = 0.8534
Vxod(26, 0) = 1.2886
Vxod(27, 0) = 0.7999
Vxod(28, 0) = 0.671
Vxod(29, 0) = 2.087
Vxod(30, 0) = 0.8173
Vxod(31, 0) = 1.61595
Vxod(32, 0) = 1.10118
Vxod(33, 0) = 1.0401
Vxod(34, 0) = 2.2259
Vxod(35, 0) = 3.422
Vxod(0, 1) = 0.9598
Vxod(1, 1) = 1.4498
Vxod(2, 1) = 1.2298
Vxod(3, 1) = 1.0525
Vxod(4, 1) = 0.4222
Vxod(5, 1) = 2.2127
Vxod(6, 1) = 0.8088
Vxod(7, 1) = 2.7019
Vxod(8, 1) = 1.1315
Vxod(9, 1) = 2.3403
Vxod(10, 1) = 1.6433
Vxod(11, 1) = 0.7243
Vxod(12, 1) = 0.3485
Vxod(13, 1) = 1.7113
Vxod(14, 1) = 0.814
Vxod(15, 1) = 1.1415
Vxod(16, 1) = 0.6902
Vxod(17, 1) = 1.1718
Vxod(18, 1) = 1.4686
Vxod(19, 1) = 0.8443
Vxod(20, 1) = 0.7854
Vxod(21, 1) = 1.8102
Vxod(22, 1) = 0.7581
Vxod(23, 1) = 0.5888
Vxod(24, 1) = 1.7355
Vxod(25, 1) = 0.4623
Vxod(26, 1) = 0.44935
Vxod(27, 1) = 2.0855
Vxod(28, 1) = 1.3163
Vxod(29, 1) = 1.3572
Vxod(30, 1) = 1.0765
Vxod(31, 1) = 1.44936
Vxod(32, 1) = 0.9149
Vxod(33, 1) = 3.4977
Vxod(34, 1) = 0.4913
Vxod(35, 1) = 0.7352
Это я так понимаю указаны те самые расстояния до центра кластера для МО1 и МО2 соответственно ?
Далее корректировка
Matr_1(0, 0) = -0.3098 , расшифрую как я понял что есть что , Matr1 матрица с двумя столбцами для МО1 , в скобках первое число это номер критерия , всего их 8 ,от 0 до 7: второе число это номер кластера , после знака равно число , что оно значит и как вы его вычислили ? если это расстояние до центра то получается вы ещё раз кластеризовали по каждому критерию отдельно , как бы подкластер получается или что это за число -0.3098?
Я конечно извиняюсь что такой занудный , но я не желаю пользоваться вашими готовыми цифрами , я хочу понять основу механизма , как и что вычисляется , а потом уже создавать свои модели и прочее
#32 OFFLINE
Posted 07 October 2015 - 14:21
Вот центр допустим (точка по Мо1 Мо2 ..на плоскости Х-У) Vxod(35, 0) = 3.422 и Vxod(35, 1) = 0.7352 если наша точка (допустим 3,2(мо1) и 0,7(мо2) ) ближе к именно этому центру то и выдаст 35 класт.
а если к другому то его (просто перебираем расстояния до центров и берём тот где минимум).Далее строится линейная регрессия в кластере для каждого МО (формально 2 регрессии --мы по признакам хотим найти истинное значение голов....читайте про регрессию---это просто линейная комбинация признаков которая наилучшим образом в смысле среднеквадратичного отклонения от реза(истинного значения голов забитых командой) приближает расчётное значение...нам надо кефы регрессии подобрать...но де факто они не все значимы в общепринятом смысле...но я предлагаю брать все значения...так как там коэффициенты корреляции очень малы и непонятно---рационален ли общепризнанный подход....по идее надо исключать менее значимые параметры но там остаются как правило какие-то 2-3 параметра в регрессии (причём разные для разных кластеров)...но так я считаю будет хуже...хотя и врде более "научно"...но тут вся научность летит в ЖО...У...так как не работает как выясняется.....а вот этот метод он по идее работает при правильном механизме принятия решения(как вариант я привёл пример такой процедуры через КР-1)...но там можно другие критерии потом добавить (их можно много напридумывать---допустим баланс в окне по ставкам на П1 или П2 итд Фора как разность Мо1-Мо2 или реально набранный средний тотал за некоторое число игр и так далее....в том числе и какие-то характеристики последних 3-5 игр--через очки ли или через ВНП или ещё там как-то---хозяин--барин...).....
Ну может сложно понять алгоритм так как он не совсем стандартный...давайте попробуем на "алкобетинге"---вот есть у Вас много пузырей со спиртным...давайте их кластеризуем по крепкости 6% 9% 12% 35% 40% 50% 96% (7 кластеров) а дальше вы просто строите регрессию для степени опьянения в зависимости от литров выпитого ...пусть степень опьянения (если допустим встретится 9.5% то его отнесём к центру 9%...ну итд)
имеет 4 градации 1 2 3 4 (4--это в "муку", в "хлам"....) (так вот градации---типа истинные голы (но тут просто один параметр-Х который суть признак---литры).....
так вот ваша регрессионная модель будет У=К*Х К--какой-то кефф который для каждого кластера будет свой.....(а у нас просто не один признак а много...и поэтому тут множественная регрессия.... там можно по идее брать и попарные произведения и квадраты и кубы признаков и так далее.....и вообще чё угодно (функции какие-то от всех или части параметров)....
Надо читать теорию этой хрени иначе я просто не могу пояснить (на самом деле всё очень просто)....
Edited by Bambuk, 07 October 2015 - 14:29.
#33 OFFLINE
Posted 07 October 2015 - 16:14
и самое главное что ---любую функцию нескольких переменных (допустим вот для 3-ёх Y=F(X1,X2,X3) Xi--признаки-критерии) можно представить линейной комбинацией более простых функций f1(X1) f2(X2) f3(X3)......
общее представление можно составить(не вдаваясь в детали) просмотрев бегло например тут ievbras.ru/ecostat/Kiril/Article/A16/Volgabas6/VolgaBas6.htm
#34 OFFLINE
Posted 08 October 2015 - 14:45
В принципе вашу модель в общем понял , но остаются моменты некоторые , которые хочется уточнить
Который раз задаю этот вопрос , так ответа и не получил , кластеризацию проводили отдельно для МО1 и отдельно для МО2 или же парно , вместе ?
Далее по регресии
MO(0) = Matr_1(0, Clast.Value) + Zab1.Value * Matr_1(1, Clast.Value) +Pro1.Value * Matr_1(2, Clast.Value) + Zab2.Value * Matr_1(3, Clast.Value) + Pro2.Value * Matr_1(4, Clast.Value) + G1.Value * Matr_1(5, Clast.Value) + G2.Value * Matr_1(6, Clast.Value) + Och12.Value * Matr_1(7, Clast.Value), Matr_1(0, Clast.Value) Matr_1(1, Clast.Value), Matr_1(3, Clast.Value) и т.д. это коэффициенты регрессии , то самое К из уравнения У=К*Х ? ну соответственно это уравнение для получения МО(0) корректирующее ?
То есть как я понял нужно по каждому критерию для каждого кластера найти коэффициент регрессии , определить влияние критерия на итоговое число забитых голов команды1 и команды2 соответственно , верно? Если так то можно сделать вывод что из моего прошлого поста Matr_1(0, 0) = -0.3098 это влияние посчитанного значения для первичного МО1 по Пуассону на количество голов забитых домашней командой ,а цифра -0.3098 ни что иное как коэффициент регрессии ? А что значит тогда КР-1 , КР - коэффициент регрессии , если да то для чего единицу вычитаем ? Если я не ошибаюсь то линейная регрессия это y=a+bx , а вы пишете что y=bx , куда свободный член девается ? y- реальные голы первой команды ,x - какой то критерий , ну и соответственно b это коэффициент коррекции , как я понял
Спасибо за то что достойно отвечаете
#35 OFFLINE
Posted 08 October 2015 - 18:12
yall, on 08 October 2015 - 14:45, сказал:
В принципе вашу модель в общем понял , но остаются моменты некоторые , которые хочется уточнить
Который раз задаю этот вопрос , так ответа и не получил , кластеризацию проводили отдельно для МО1 и отдельно для МО2 или же парно , вместе ?
Далее по регресии
MO(0) = Matr_1(0, Clast.Value) + Zab1.Value * Matr_1(1, Clast.Value) +Pro1.Value * Matr_1(2, Clast.Value) + Zab2.Value * Matr_1(3, Clast.Value) + Pro2.Value * Matr_1(4, Clast.Value) + G1.Value * Matr_1(5, Clast.Value) + G2.Value * Matr_1(6, Clast.Value) + Och12.Value * Matr_1(7, Clast.Value), Matr_1(0, Clast.Value) Matr_1(1, Clast.Value), Matr_1(3, Clast.Value) и т.д. это коэффициенты регрессии , то самое К из уравнения У=К*Х ? ну соответственно это уравнение для получения МО(0) корректирующее ?
То есть как я понял нужно по каждому критерию для каждого кластера найти коэффициент регрессии , определить влияние критерия на итоговое число забитых голов команды1 и команды2 соответственно , верно? Если так то можно сделать вывод что из моего прошлого поста Matr_1(0, 0) = -0.3098 это влияние посчитанного значения для первичного МО1 по Пуассону на количество голов забитых домашней командой ,а цифра -0.3098 ни что иное как коэффициент регрессии ? А что значит тогда КР-1 , КР - коэффициент регрессии , если да то для чего единицу вычитаем ? Если я не ошибаюсь то линейная регрессия это y=a+bx , а вы пишете что y=bx , куда свободный член девается ? y- реальные голы первой команды ,x - какой то критерий , ну и соответственно b это коэффициент коррекции , как я понял
Спасибо за то что достойно отвечаете
У вас основная модель вот такая среднее заб1*средн. проп 2/среднее заб лига ну итд...... так вот на самом деле поймите например то что если команда больше атакует то разумеется она крадёт время другой команды на атаку(ну хот б вот это)...ну итд...тогда у Вас функция более сложная чем предполагается априорно а именно она зависит от всех параметров (их 4 шт в простейшем)...так вот в рамках одной лиги эту беду разрулить невозможно....поэтому как вариант можно пробовать кучу лиг.
Вам не надо заморачиваться на кластеризацию---берите то что я написал а модель можете строить уже потом по Вашим лигам (но Вы тогда и их должны бить).....
тогда вот тупо представьте что Вы выделили кластер с номером 20 у Вас есть резы по голам для ком 1 и ком 2 и характеристики ком. (Х1 Х2 Х3...итд хоть 100 параметров) вот и стройте модель гол1=функция от параметров...гол2=функция2 от параметров.......(вы пытаесь приблизить значения заб. мячей для ком1 и ком 2 двумя моделями.....).......
Ну похерьте на крайняк всё и туп берите чё написано ---протестируйте хоть и поймите что это может работать допустим при КП1меньше 2 и перевес больше 0,2 (это с запасом и число пар будет не очень велико но Вы будете в ++++ 100%.....).......
Блин-клинтон но не могу я пояснить всё на форруме и вообще не могу пояснить....я могу пояснить тока одно---если всё делать по уму то БК обыграть----говно вопрос.....
Edited by Bambuk, 08 October 2015 - 18:13.
#36 OFFLINE
Posted 13 October 2015 - 12:22
можно попробовать чё-нить поконструировать с помощью функций приложения (за бабки функционал можно расширить)..... Так как я в программировании не секу то вот делюсь нарытой инфой по БСД...... может кто-то чё-то напридумывает для беттинга......
www.norsys.com/download.html
- After downloading, simply double-click the file icon and it will self-extract. It will ask you what directory to place the files into.
- Double-click on the Netica icon of Netica.exe in the directory you indicated above.
- To use the free version of Netica, leave the password dialog box empty and click on Limited Mode. Otherwise, enter the password issued to you when you placed your order.
(модуль Visual Basic программистов)
Netica-В.Б. API позволяет программировать Netica приложение через COM-интерфейс (также известный как "ActiveX" или "Автоматика"). В.Б. API является полностью функционирует продукт, который вы можете загрузить в суд. Мы очень рады узнать ваше мнение.
Netica-В.Б. API является одним членом семьи Netica API,, в том числе для C, C ++, Java и.
Примечание: В.Б. API делает прямое использование двигателя Netica внутриNetica заявки через интерфейс COM. Его метод звонки похожи на те, в C API, так что вы хотите документация C API, чтобы направлять вас.
Для использования VB API, выполните следующие действия:
- Скачать последнюю версию Netica заявки (по крайней мере, версия 3.18).
- Выполнить Netica приложений и выберите Помощь -> Содержание / Список из верхнего меню. На вкладке Index, посмотреть 'Visual Basic программирования ".
- Для получения более подробной информации о каждой функции, используйте документацию С-API, так как функции работают таким же образом.
www.norsys.com/onLineAPIManual/index.html --тут мануал по функциям
VB API Особенности
Этот список описывает возможности, специфичные к VB API. Для общими чертами всеми API, Netica, пожалуйста, см страницу Netica API.
- Предоставляет графический интерфейс для вашей программы. Ваша программа может взаимодействовать с сетями Байеса в то же время, как пользователь взаимодействует с ними посредством регулярного Netica приложение с графическим интерфейсом.
- Аналогичная конструкция для продуктов MS Office. Визуальные программисты Основные знакомые с программных продуктов Microsoft Office будет чувствовать себя как дома.
- Хорошо объектно-ориентированного дизайна..
- Гибкие параметры. Параметры функции могут быть переданы в различных формах (числовых индексов, строк имя, объектных ссылок, и т.д.).
- На экране документация. Каждая функция и класс имеет краткое описание доступных для просмотра в среде разработки VB.
- Несколько языков программирования. Это могут быть запрограммированы на любом языке, которые могут получить доступ к COM-интерфейс (Visual Basic, C #, COM-включен Java, C ++, и т.д.).
Edited by Bambuk, 13 October 2015 - 12:24.
#37 OFFLINE
Posted 07 November 2015 - 15:31
https://yadi.sk/i/JX8Fso-SkHyZz (это центры кластеризации)
Edited by Bambuk, 07 November 2015 - 15:38.