Sporto varžybų rezultatų spėjimas naudojant mašininį mokymąsi
Ramanauskaitė, Simona | Recenzentas / Rewiewer |
Darbo gynimo komisijos pirmininkas / Thesis Defence Board Chairman | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Medvedev, Viktor | Darbo gynimo komisijos narys / Thesis Defence Board Member |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member |
Šiame darbe nagrinėjama, kaip mašininio mokymosi algoritmai gali būti taikomi sporto varžybų, konkrečiai - Eurolygos krepšinio rungtynių, rezultatams prognozuoti. Tyrimo tikslas - pritaikyti tinkamą mašininio mokymosi modelį, galintį prognozuoti rungtynių baigtį, remiantis ankstesnių sezonų komandų ir žaidėjų statistika. Darbo metu atlikta literatūros analizė, įvertinti ir palyginti skirtingi algoritmai, apmokyti šeši neuronų tinklai bei du kiti mašininio mokymosi modeliai. Eksperimentų metu pasiektas 77 % prognozavimo tikslumas - tai viršija literatūros šaltiniuose pateiktus rezultatus.Baigiamasis darbas apima 52 puslapius, pateikta 37 iliustracijos, 11 lentelių, 34 bibliografiniai šaltiniai.
This study explores how machine learning algorithms can be applied to predict the outcomes of sports events, specifically EuroLeague basketball games. The objective of the research is to apply an appropriate machine learning model capable of predicting game results based on team and player statistics from previous seasons. The study includes a literature review, an evaluation and comparison of various algorithms, the training of six neural networks, and two other machine learning models. The experiments achieved a prediction accuracy of 77%, which exceeds the results reported in existing literature.The final thesis consists of 52 pages, includes 37 figures, 11 tables, and references 34 bibliographic sources.