داده کاوی ورزش ها: پیش بینی نتایج برای بازی های فوتبال دانشگاهی

نوع فایل : word

تعداد صفحات : 27

تعداد کلمات : 9200

مجله : Toxicon

انتشار : 2016

:

:

:

:

:

تاریخ انتشار
7 ژانویه 2020
دسته بندی
تعداد بازدیدها
1033 بازدید
27,000 تومان

عنوان فارسی مقاله: داده کاوی ورزش ها: پیش بینی نتایج برای بازی های فوتبال دانشگاهی

 چکیده

 در بسیاری از بازی‌های ورزشی واقعی و روز مره، تماشاگران علاقه مند به پیش بینی نتایج و تماشای بازی‌ها برای تأیید و صحت سنجی پیش بینی‌های خود هستند. روش‌های سنتی شامل پیش بینی ذهنی، پیش بینی عینی، و روش‌های ساده آماری است(پیش بینی نتایج بازیهای فوتبال دانشگاهی). با این حال، این رویکردها ممکن است در بسیاری از شرایط بسیار قابل اطمینان نباشند. در این مقاله، ما یک رویکرد داده کاوی ورزش‌ها را ارائه می‌کنیم که به کشف دانش جالب و پیش بینی نتایج ورزش‌ها نظیر فوتبال دانشگاهی کمک می‌کند. رویکرد ما، پیش بینی‌ها را بر اساس ترکیبی از چهار شاخص متفاوت بر روی نتایج تاریخی بازی‌ها انجام می‌دهد. نتایج ارزیابی داده‌های فوتبال دانشگاهی واقعی نشان می‌دهد که رویکرد ما منجر به افزایش صحت ودقت در پیش بینی نتایج می‌شود(پیش بینی نتایج بازیهای فوتبال دانشگاهی).

 

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Sports data mining: predicting results for the college football games

abstract

In many real-life sports games, spectators are interested in predicting the outcomes and watching the games to verify their predictions. Traditional approaches include subjective prediction, objective prediction, and simple statistical methods. However, these approaches may not be too reliable in many situations. In this paper, we present a sports data mining approach, which helps discover interesting knowledge and predict outcomes of sports games such as college football. Our approach makes predictions based on a combination of four different measures on the historical results of the games. Evaluation results on real-life college football data shows that our approach leads to relatively high accuracy in result prediction

دیدگاهتان را بنویسید