⚽ Прогнозирование исходов футбольных матчей с использованием алгоритмов машинного обучения

📌 Описание

Этот проект представляет собой реализацию системы для прогнозирования исходов футбольных матчей на основе алгоритмов машинного обучения. Основная цель — анализировать исторические данные и статистику матчей Английской Премьер-Лиги и предсказывать победу, ничью или поражение в будущих играх. Исследование охватывает сбор данных, предварительную обработку, построение и обучение моделей, оценку точности, а также предсказание итоговой таблицы сезона 2023–2024.

Проект выполнен в рамках курсовой работы студента 2 курса механико-математического факультета БГУ — Дмитрия Урбановича.

🎯 Цели проекта

• Исследовать методы анализа и прогнозирования спортивных событий.
• Сравнить эффективность различных моделей машинного обучения.
• Применить алгоритмы к реальным данным по матчам Английской Премьер-Лиги.
• Определить точность моделей и их применимость к спортивной аналитике.
• Построить прогноз на весь сезон 2023/24 и определить потенциального чемпиона.

🧠 Используемые алгоритмы

• Логистическая регрессия
• Случайный лес (Random Forest)
• Решающие деревья (Decision Tree)
• Наивный байесовский классификатор (Naive Bayes)
• Градиентный бустинг (XGBoost)

🗃 Источники данных

• Статистика с сайта fbref.com
• Данные охватывают 6 сезонов (с 2018 по 2024 гг.)
• Сбор данных с использованием requests, BeautifulSoup, pandas

⚙️ Стек технологий

• Python 3
• Pandas, NumPy, Scikit-learn, XGBoost
• BeautifulSoup (парсинг)
• Matplotlib / Seaborn (визуализация)
• Jupyter Notebook / Google Colab

🛠️ Этапы реализации

1. Сбор и предобработка данных

• Парсинг данных о матчах с fbref.com
• Очистка данных, кодирование признаков, генерация целевой переменной (target)
• Формирование обучающей и тестовой выборки (по дате)

2. Обучение моделей

• Реализация и обучение различных алгоритмов
• Использование метрик accuracy, precision для оценки качества
• Построение матриц ошибок и сравнительных диаграмм

3. Повышение качества модели

• Добавление новых признаков: капитан, расстановка, посещаемость
• Вычисление скользящих средних значений по команде
• Повторное обучение и анализ прироста точности

4. Прогнозирование таблицы сезона

• Подсчёт предсказанных очков для каждой команды
• Сравнение с реальной таблицей Премьер-Лиги
• Определение наиболее точной модели и чемпиона по прогнозу

📊 Результаты

• Наиболее точная модель: Логистическая регрессия (~57.3%) и Наивный Байес (~58.7%)
• Прогноз показал: Лидерство Arsenal, Man City и Liverpool
• Реальные vs Предсказанные очки: Предсказания имели высокое соответствие с реальными результатами, особенно в нижней части таблицы (Burnley, Sheffield Utd, Luton Town).

📈 Визуализация и анализ

• Таблицы сопряжённости
• Сравнительные графики моделей
• Таблицы очков: реальные vs предсказанные
• Диаграммы важности признаков

📚 Полезные ресурсы

• Scikit-learn documentation
• Pandas documentation
• Hands-On Machine Learning (Aurélien Géron)
• Colab-ноутбук проекта

🧠 Выводы

• Методы машинного обучения применимы к спортивному анализу и способны выявлять закономерности в данных.
• Даже простые модели, такие как логистическая регрессия и Naive Bayes, показывают хорошие результаты.
• Важно правильно отбирать и обрабатывать признаки.
• Точные прогнозы требуют учёта большого числа внешних факторов (травмы, состав, стратегия и др.).

✅ Перспективы развития

• Подключение дополнительных источников (новости, составы, травмы)
• Использование нейронных сетей (LSTM для временных рядов)
• Расширение на другие чемпионаты и виды спорта
• Разработка веб-интерфейса для ввода данных и получения прогноза