世界杯要想预测准离不开AI应用华为云就利用机器学习服务

世界杯是足球界的顶级赛事，吸引着全世界的目光，不分地域、肤色、宗教、贫富，每个人心目中都享受着世界杯。

在世界杯开赛前，很多机构或研究人员已经对小组赛或冠军的晋级给出了自己的预测。有基于统计的方法和基于民意调查的方法。

世界杯的预测离不开人工智能的应用。

华为云利用机器学习服务（MLS）做了一个世界杯预测“AI机器人”，成功预测了40场比赛结果，其中连续6场比赛被准确预测。 （果然用数据说话就是6）

机器学习服务，实践之门高，概念更容易理解。说白了就是让计算机模仿人类解决问题的思路和方法ai预测足球，利用机器本身的优势来代替人的工作，或者更好地配合人的工作。

比如，现在大家都觉得自己的车越来越好，而开别人的车就不那么好了。

习惯，很多时候，不是因为你更熟悉车，而是因为车更熟悉你。原因是很多中高端车型都配备了“高级行车电脑”，具备学习驾驶习惯的能力。驾驶时间越长，记录的越多 下来的数据越多，越熟悉您的驾驶习惯，从而不断调整优化发动机和变速箱的运行参数，让您的驾驶动作在一个更及时的方式。

对MLS有了初步的了解，现在教你简单四步打造“AI预言帝”：

步骤1.找到你需要使用的数据集；

步骤2.选择或定义需要的特征；

步骤3.选择合适的算法，在训练数据中找到数据知识和规则；

Step4.调整算法参数和特征选择，得到一个比较好的模型。

看到这里，相信很多小伙伴都会大呼“早点离开”。别担心，你以为程序代码不是你的事，其实预测结果和做菜没有本质区别。现在跟我系围巾，进厨房，拿起菜刀……

数据选择

数据选择例如，如果要请老铁或者闺蜜在家吃饭，需要提前准备好食材，比如鸡、鱼、蛋、葱、姜蒜、柴、米、油、盐、酱、醋、茶等。所谓聪明的女人，没有米饭是很难做饭的。要进行预测，首先我们需要不同的“成分”-数据。

在这里，我们选择了所有国家队 8 年来的成绩，包括时间和每场比赛的进球数。

为了更有说服力，华为云新增了 FIFA 排名和 Elo 分数。

提示

我们选择餐厅时会看评论网站的综合评分，我们选择电影时会看豆瓣和烂番茄。 》等国内外影评网站，《Elo Score》就是这样一个综合评分的存在。不仅是足球，越来越多的体育赛事都引入了这种计分系统。

功能选择

具体做哪道菜，你需要选择数量有限的食材和调味料。如果要做番茄炒蛋、排骨、鸡翅等，应该先放冰箱冷藏吧？同样的，根据不同的预测需求，我们也会对数据进行过滤，去除不重要的信息。

对于每场比赛胜、平、负的分类问题，特征数据为：FIFA排名，比赛中两支球队的E分之差。

接下来的净胜球预测要简单得多，即进球-失球。

算法选择

就像炒菜需要炒锅，炖菜需要炖菜一样，我们已经准备好“配料”，然后我们需要选择“烹饪工具”——也就是最合适的算法。

让我们回到胜负预测。对于这个“多分类”问题，我们移出了随机森林算法。 （随机森林）

随机森林会生成多棵决策树，然后每棵决策树都会对数据的类别进行投票，最终的类别结果将投票给大多数类别。这里可以简单理解：很多人争论番茄到底是水果还是蔬菜，每个人都有自己的判断标准，最终的结果就是一票。

随机森林算法示意图

如果要对净胜球的预测越来越准确，还牵扯到另一个相当高的力量。算法的算法——Gradient Boosting Tree (GBDT)，还有一个不太合适的例子：就像我们学做蒸鲈鱼一样，忙忙碌碌，认真完成所有20道工序，我们需要做每一步之间的误差都最小化，味道最好。

GBDT算法示意图

使用华为云MLS训练模型

在做饭之前ai预测足球，你需要另一个满足要求的厨房，华为云MLS提供可视化、拖放式的“现代厨房”——机器学习建模功能（工作流），可以快速便捷地搭建机器学习过程，快速获取模型。

使用华为云MLS可视化机器学习训练过程

经过多次训练，发现特征列的影响因子很小，所以去掉这个特征，建立最终的随机森林参数：100棵树，深度30、分箱200 号；最终建立的GBDT的参数为：迭代次数18。

随机选择30%的训练数据集作为测试集，胜负预测准确率为68%，净胜球预测平均误差为0.58。这个结果在足球比赛的预测中是可以接受的。

模型训练完成后，工作流也用于构建预测过程。

预测工作流程

世界杯模型实战与更新

好哥们口语不好，所以菜一定要煮过一段时间，好闺蜜是四川姑娘，辣到够味就够了。合格的食物将根据客人的口味和喜好进行调整。世界杯预测模型也需要根据实际结果进行调整，以提高预测率。

世界杯于 6 月 14 日拉开帷幕，首场比赛是俄罗斯对阵沙特阿拉伯。华为云MLS生成模型的预测结果是：俄罗斯赢了（2球），最终结果是俄罗斯赢了5球。主场优势明显。在之前的建模过程中，去掉了主客场的因素，但作为东道主，俄罗斯拥有主场优势，所以在俄罗斯的初始Elo得分中，增加了一个百分比增幅。经测试，这个百分比设置为10%。

世界杯比赛日后，真实比赛结果将作为训练集更新模型。最后，华为云MLS在世界杯决赛各个阶段的表现如图所示。

华为云MLS模型精度

顺便说一句，在16强对决确定后，华为云MLS准确预测冠军是法国，虽然预测的冠军路径与真实路径略有不同。

足球的偶然性

足球比赛充满了不确定性和偶然性，比如伤病、乌龙球、黄油手等等，这些因素都直接影响比赛的胜负，而这些都是未知数，现在AI也做不出对未知和不确定性的准确反应。 AI可以预测足球场上的情况（射门率、控球率、传球次数、传球成功率等），这些情况因素可以在一定程度上反映比赛的最终结果，但不是确定性的.

至此，我们以一种不那么“严重”的方式揭示了这样一个高级别的问题。 MLS的应用前景十分广阔。例如，曾经出现过可以“动手”教一次的工业机器人。无论制造过程多么复杂，只要技术人员手把手地教机器人，具有多个传感器和实时计算能力的机器人就可以像人类一样精确控制机械臂，完成复杂的手动过程。