[发明专利]一种基于SVM的篮球比赛结果预测方法

说明书

本发明公开了一种基于SVM的篮球比赛结果预测方法，该方法包括：分别获取主队和客队的若干场比赛数据，分别提取出主队和客队的特征向量，并根据预设的指数衰减加权策略，对主队和客队的所有特征向量进行加权；按照bagging的bootstrap和Random subspace抽样方法，共获得N*K份子集；同时构建N*K个SVM分类器，并将N*K份子集作为N*K个SVM分类器的输入，输出N*K个置信因子；根据N*K个置信因子，按照预设的投票规则，得到主队和客队的篮球比赛结果的预设结果。采用本发明技术方案，能解决内部噪声对预测结果的影响，提高预测的准确性。

技术领域

本发明涉及篮球数据分析技术领域，尤其涉及一种基于SVM的篮球比赛结 果预测方法。

背景技术

篮球比赛结果预测不仅可以满足观众的好奇心，而且可以帮助教练员制度 适当的测量。因为影响篮球比赛结果的因素是多种多样的，如环境因素、不可 预测的运气、关键选手发生不可预料的伤害，而且在篮球比赛中，因为队员的 表现并不仅仅依赖独立的个人能力，而是依赖于比赛中的复杂配合。因此，一 场比赛的结果也不是队员能力的叠加之和，而是根据不同战略团队合作发挥的 一个总体水平。此外，在小组赛中，球队是以两两对战的方式累积分数，比赛 结果不能直接显示每个队在所有参赛队伍的水平。

从整体上看，因为结果受环境因素、不可预知的运气、不可预知的关键球 员伤害的影响，即样本内部的噪声和内部特征的噪声会影响结果预测的准确率。 此外，篮球成绩的训练数据往往是有限的，因为数据收集的时间不能太长。这 种限制主要是由于以下原因。首先，每个球队在一个赛季都进行有限的比赛。 因此，在一个和一定规则内的比赛是稀少的。第二，不同的赛季球员组合也有 变化，球员可按合同期选择加入不同的球队，所以每个队的球员并不是固定不 变的。在不同的赛季一个团队的主力球员很可能不同。通过这些方面，一个团 队在这个赛季的结果很可能与下一个赛季结果完全不同。因此，数据收集的周 期不能太长，并且当训练数据量较小时，预测的性能可能变差。

发明内容

本发明实施例提出一种基于SVM的篮球比赛结果预测方法，解决内部噪声 对预测结果的影响，提高预测的准确性。

本发明实施例提供一种基于SVM的篮球比赛结果预测方法，包括：

分别获取主队和客队的若干场比赛数据，分别提取出主队和客队的特征向 量，并根据预设的指数衰减加权策略，对所述主队和客队的所有特征向量进行 加权；

按照bagging的bootstrap抽样方法，将加权后的特征向量随机抽样成N份， 获得N份样本子集；其中，N为大于1的正整数；

将所述N份样本子集按照Random subspace的方法进行特征抽样，获得N*K 份子集；K为大于1的正整数

构建N*K个SVM分类器，并分别将所述N*K份子集作为所述N*K个SVM 分类器的输入，输出N*K个置信因子；

根据N*K个置信因子，按照预设的投票规则，得到所述主队和客队的篮球 比赛结果的预设结果。

进一步的，所述比赛数据包括：2分球数据、3分球数据、罚球数据、进攻 数据、防守数据、助攻数据、犯规数据、抢断数据、失误数据、投篮数据、快 攻数据和扣篮数据。

进一步的，所述提取出主队和客队的特征向量，并根据预设的指数衰减加 权策略，对所述主队和客队的所有特征向量进行加权，具体为：

主队的特征向量表示为客队的特征向量表示为

则未来某场比赛的主队特征向量表示为：

其中，t为主队最新比赛的标识，t+1为未来某场比赛的标识，l为未来某场 比赛之前的几场比赛的标识；β_l是主队第(t-l)场比赛的权重；