通过基于绩效数据的机器学习框架,提高中国篮球联赛的比赛结果预测
1School of Science, Sun Yat-sen University, Shenzhen, 518307, China. zhongyh39@mail2.sysu.edu.cn.
Scientific reports
|July 3, 2025
概括
这项研究通过使用先进的机器学习模型和详细的游戏因素,增强了中国篮球协会篮球比赛结果预测. 最好的模型实现了85.49%的准确性,改善了对较少探索的联赛的体育分析.
科学领域:
- 运动分析 运动分析
- 机器学习 机器学习
- 篮球表演建模 篮球表演建模
背景情况:
- 篮球分析广泛研究比赛数据,机器学习推进结果预测.
- 现有的研究主要集中在NBA,而其他主要联赛则未得到充分探索.
- 中国篮球协会 (CBA) 的预测建模仍然是一个重要的研究缺口.
研究的目的:
- 开发和评估用于预测中国篮球协会比赛结果的机器学习模型.
- 将四个因素和防守-进攻模型,包括详细版本,应用于CBA并适应它们.
- 通过仅使用游戏前数据进行模型训练和预测来确保实际应用.
主要方法:
- 利用了2021-2024赛季的CBA比赛数据.
- 实现了经典的四个因素和防守攻击模型,以及详细的衍生版本.
- 通过使用游戏前数据训练和评估各种机器学习算法 (SVM,Naive Bayes,KNN,后勤回归,MLP,XGBoost).
- 使用准确度,F1分数,回忆,精度和AUROC评估模型性能.
主要成果:
- 新开发的四个因素详细模型,在物流回归框架内,实现了最高的预测性能.
- 该模型的准确性达到了85.49%,与基线方法相比显著改善.
- 结合额外的,详细的功能显著提高了所有评估模型的预测能力.
结论:
- 详细的四个因素模型为预测CBA游戏结果提供了强大而准确的方法.
- 这项研究为中国男子职业篮球联赛未来的体育分析提供了宝贵的基准.
- 这些发现强调了联盟特定数据和特征工程对于有效的体育预测模型的重要性.
