机器学习算法混乱答案

【问题标题】：Machine Learning Algorithm Confusion机器学习算法混乱
【发布时间】：2014-06-23 06:48:20
【问题描述】：

我使用机器学习制作了一个关于蟋蟀预测的小应用。我记录了 10 年（2001-2011）的 ODI 比赛，并准备了一个训练集。

现在为了预测特定球队的胜负，我考虑了各种因素。

例如，这是在印度 Wankhede 体育场举行的印度对澳大利亚的比赛。

印度过去 10 年的记录。
印度过去 2 年的记录。（最近的表格）
过去 10 年印度在印度的记录。
过去 2 年印度在印度的记录。（最近的表格）
过去 10 年印度在 Wankhede 的记录。
过去 2 年印度在 Wankhede 的记录。（最近的表格）
澳大利亚过去 10 年的记录。
澳大利亚过去两年的记录。
过去 10 年澳大利亚对阵印度的战绩。
过去 2 年澳大利亚对阵印度的战绩。
澳大利亚过去 10 年在印度对阵印度的战绩。
澳大利亚过去 2 年在印度对阵印度的战绩。

所以我们取了所有的概率，例如，印度在 10 年内打了 322 场比赛，赢了 140 场，所以其他因素的获胜概率是 140/322，依此类推。现在我们最后将所有概率相加，得到了两个国家的输赢百分比。我想知道它是什么样的定理。它从朴素贝叶斯开始，但在朴素贝叶斯中，我们乘以概率，不像这里。你可以在这里检查实现， http://www.manzarict.org/cricket 我们使用基本的 PHP，以便我们可以使用 SQL 查询更快地找到概率。现在这可能是计算这个总和的错误方法，欢迎使用其他方法。

【问题讨论】：

这个问题主要是关于统计，而不是编程，所以我认为它对 StackOverflow 来说是题外话。但它肯定会成为stats.stackexchange.com 的话题。
现在，一旦提案启动，这将更适合area51.stackexchange.com/proposals/55053/data-science。

标签： machine-learning svm bayesian logistic-regression

【解决方案1】：

接近板球比赛获胜球队预测很有趣。它不仅限于一项运动，而是在各种运动中，您可以构建 ML 模型以在比赛开始之前预测比赛结果。

这是我对 2019 年 ICC 世界杯板球预测的研究。我们使用了 - 逻辑回归模型。但是，在这种情况下，我们稍微超出了 2001 年，我们基于 1987 年的数据构建了一个模型。

Github 链接：https://github.com/RutvijBhutaiya/Cricket-World-Cup-2019

【讨论】：

【解决方案2】：

这是一个微不足道的线性模型，您甚至不需要拟合模型的权重，而是使用常数值。线性模型使用

cl(x) = sgn(<w,x>+b) = sgn( SUM w_i x_i + b )

其中 x 是您的数据点（x_i 是第 i 个特征）。在您的情况下，所有 w_i=1 （您只需添加所有功能，仅此而已）。调用这个“定理”可能太多了，它只是先验假设（因为你没有训练它）微不足道（因为它由恒定值组成，没有专家知识）线性模型（因为它使用特征的加权和）。

【讨论】：