使用长短期记忆网络预测NBA比赛胜负

• 作者: 李镇晖 张宇山
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 神经网络 长短期记忆网络 支持向量机 卷积神经网络 逻辑回归模型
• 年，卷（期）: 2021,（z2）
• 所属期刊栏目: 人工智能|Artificial intelligence
• 页码范围: 98-102
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2021010160

摘要

深度学习与机器学习的方法已广泛应用于NBA(美国篮球职篮联赛)的比赛胜负的预测中,然而过去的方法未对过去几场比赛的数据进行建模,忽略了比赛双方近期状态的有效表示.为了解决这个问题,提出了基于长短期记忆(LSTM)网络的方法对NBA常规赛的比赛胜负进行预测.该方法分别以比赛中的两支球队过去几场比赛的数据作为LSTM的输入,以该场比赛结果作为输出,训练能够预测比赛胜负的模型.本质上是使用球队在该赛季的历史数据的平均值作为该球队的实力,以近几场比赛的数据序列作为该球队状态的体现.在实验中比较了其他几种预测NBA比赛胜负的方法(支持向量机、卷积神经网络、逻辑回归模型等方法),数据来自2014—2019年间的5个赛季的NBA常规赛数据.结果表明,模型的预测准确率达到(69.09％),高于其他几种模型.