Ссылочки на конкретные проекты не скину. Для простоты так:

Футбол+Питон

https://github.com/search?l=Python&o=desc&q=football+neural+network&s=updated&type=Repositories

Спорт+Питон

https://github.com/search?l=Python&o=desc&q=sport+neural+network&s=updated&type=Repositories

Баскетбол+Питон

https://github.com/search?l=Python&o=desc&q=basketball+neural+network&s=updated&type=Repositories

 

П.С. У кого есть нормальные датасеты, рекомендую пообщаться с автором этого проекта https://github.com/Milazzo11/Sports-Predictor-NN - возможно будет позитив.

 

сам я никогда ими не занимался,хотя всегда было интересно. просто выхлоп довольно сомнителен,чтобы тратить на это десятки-сотни человекочасов,особенно с нуля. если посмотреть примеры,то сама сетка или машинное обучение занимают от силы строк 10. а весь гимор сводится к сбору и подготовке данных.

иногда натыкаюсь на какие-нибудь академические работы и на первый взгляд пишут там такую шляпу нелепую. тут хоть и не про сетки,но пусть

Цитата

 

Прогностическое применение ансамблевых методов: ставки НБА https://www.cs.dartmouth.edu/~lorenzo/teaching/cs174/Archive/Winter2013/Projects/FinalReportWriteup/michelle.w.shu/index.html

Цитата

	Ошибка RMS (комбинация)	Успех прогноза (комбинация)	Ошибка RMS (разница)	Успех прогноза (разница)
Случайный лес	17,520	0,5260	11,291	0,5747
Упаковка	17,538	0,5267	11,422	0,5719
MultiBoost	17 562	0,5380	11,425	0,5672
Коалесценция	17,681	0,5239	11 433	0,5824
Случайная проекция	17,893	0,5310	11,760	0,5338
Модифицированный кНН	17 470	0,5416	11,535	0,5493
AdaBoostRT	18,156	0,5179	-	-

бла-бла-бла...у нас 0.58 проходимости..бла-бла-бла...

Цитата

К этому моменту наша система уже превысила минимальную норму прибыли по этим ставкам, сделав правильные прогнозы для более чем 52,63% исходов. Мы оценили эффективность нашей модели, вычислив долю выигрышей в прошлых ставках по сравнению с порогами, установленными букмекерской конторой. 

с какими порогами они сравнивали? что они делали? я хз. может они угадали 0.5824 игр с явными фаворитами,где кэф был <1.2.

и таких работ полно. 

15 часов назад, Ivan_urr сказал:

сам я никогда ими не занимался,хотя всегда было интересно. просто выхлоп довольно сомнителен,чтобы тратить на это десятки-сотни человекочасов,особенно с нуля. если посмотреть примеры,то сама сетка или машинное обучение занимают от силы строк 10. а весь гимор сводится к сбору и подготовке данных.

иногда натыкаюсь на какие-нибудь академические работы и на первый взгляд пишут там такую шляпу нелепую. тут хоть и не про сетки,но пусть

бла-бла-бла...у нас 0.58 проходимости..бла-бла-бла...

с какими порогами они сравнивали? что они делали? я хз. может они угадали 0.5824 игр с явными фаворитами,где кэф был <1.2.

и таких работ полно. 

Ха ха ха, гениальные слова!

13 часов назад, Limur сказал:

Ха ха ха, гениальные слова!

надеюсь,ты здоров,иначе я мог бы предположить,что ты умственно отсталый

пример кода из ссылок выше https://github.com/gatsinski/football-predictions/blob/master/predict.py

Спойлер

Цитата

train_features, train_labels = map_results(train_results)
	test_features, test_labels = map_results(test_results)
	train_input_fn = tf.estimator.inputs.numpy_input_fn(
	x=train_features,
	y=train_labels,
	batch_size=500,
	num_epochs=None,
	shuffle=True
	)
	test_input_fn = tf.estimator.inputs.numpy_input_fn(
	x=test_features,
	y=test_labels,
	num_epochs=1,
	shuffle=False
	)
	feature_columns = []
	for mode in ['home', 'away']:
	feature_columns = feature_columns + [
	tf.feature_column.numeric_column(key='{}-wins'.format(mode)),
	tf.feature_column.numeric_column(key='{}-draws'.format(mode)),
	tf.feature_column.numeric_column(key='{}-losses'.format(mode)),
	]
	model = tf.estimator.DNNClassifier(
	model_dir='model/',
	hidden_units=[10],
	feature_columns=feature_columns,
	n_classes=3,
	label_vocabulary=['H', 'D', 'A'],
	optimizer=tf.train.ProximalAdagradOptimizer(
	learning_rate=0.1,
	l1_regularization_strength=0.001
	))

 

как и сказано-примерно 10 строк. все остальное подготовка данных,обработка результатов. т.е. ты либо дурачок,но тут уже один есть,либо читаешь по диагонали.

к сожалению,по теме тебе нечего было комментировать

37 минут назад, Ivan_urr сказал:

надеюсь,ты здоров,иначе я мог бы предположить,что ты умственно отсталый
пример кода из ссылок выше https://github.com/gatsinski/football-predictions/blob/master/predict.py
как и сказано-примерно 10 строк. все остальное подготовка данных,обработка результатов. т.е. ты либо дурачок,но тут уже один есть,либо читаешь по диагонали.
к сожалению,по теме тебе нечего было комментировать

Здесь на форуме мало кто конкретной информацией делится касаемо нейронных сетей. Скорее всего, по причине того, что хороших результатов пока что не достигли на вменяемой дистанции. Или применяют втихаря на своё благо, и делиться апельсинами не хотят.
Думаю, что у нейросетей есть хороший потенциал, в этом направлении можно пытаться делать эксперименты. 
Я периодически их провожу тоже.

Изменено 31 мая, 20215 г. пользователем Alien

10 часов назад, Alien сказал:

Здесь на форуме мало кто конкретной информацией делится касаемо нейронных сетей. Скорее всего, по причине того, что хороших результатов пока что не достигли на вменяемой дистанции. Или применяют втихаря на своё благо, и делиться апельсинами не хотят.
Думаю, что у нейросетей есть хороший потенциал, в этом направлении можно пытаться делать эксперименты. 
Я периодически их провожу тоже.

Слово - "втихаря" мне больше нравится

В 31.05.2021 в 23:51, Ivan_urr сказал:

надеюсь,ты здоров,иначе я мог бы предположить,что ты умственно отсталый

пример кода из ссылок выше https://github.com/gatsinski/football-predictions/blob/master/predict.py

  Показать контент

 

как и сказано-примерно 10 строк. все остальное подготовка данных,обработка результатов. т.е. ты либо дурачок,но тут уже один есть,либо читаешь по диагонали.

к сожалению,по теме тебе нечего было комментировать

Я и предпологать не буду! свой пример засунь (обратно)