Bước 1: dữ liệu, chiếm 70% công việc
Bạn cần nhiều mùa giải với tỷ số cuối, đội hình, lịch thi đấu và trên hết là tỷ lệ đóng cửa của từng trận. Không có tỷ lệ lịch sử, bạn không thể biết mô hình có thắng thị trường không, câu hỏi duy nhất quan trọng.
Làm sạch tên đội trùng, trận bị hủy và ngày ở các múi giờ khác nhau. Ở Gambeta, phần lớn lỗi những tháng đầu là lỗi dữ liệu, không phải mô hình.
Mỗi pha tranh bóng là một điểm dữ liệu. Mô hình không bao giờ xem trận đấu: nó xem những dòng bạn đã quyết định lưu trước.
Bước 2: các biến tồn tại trước trận
Cái bẫy cổ điển là rò rỉ thông tin: dùng dữ liệu chỉ biết sau trận, như số cú sút trúng đích của chính trận đó. Khi huấn luyện mô hình trông hoàn hảo; vào thực tế, nó sụp.
Biến hợp lệ: phong độ gần đây, bàn thắng kỳ vọng từ các trận trước, thời gian nghỉ giữa các trận, lợi thế sân nhà, vắng mặt đã xác nhận và chính tỷ lệ mở cửa. Trong machine learning cho cá cược thể thao chúng tôi mô tả các biến của mô hình.
Bước 3: mô hình
Để bắt đầu không cần mạng nơ-ron. Hồi quy logistic hoặc gradient boosting được điều chuẩn tốt dự đoán xác suất 1X2 hay tài xỉu một cách vững. Quan trọng là đầu ra phải là một xác suất, không phải nhãn "thắng hay thua".
Huấn luyện một mô hình cho mỗi môn. Bóng đá, quần vợt, bóng chày và bóng rổ có cấu trúc khác nhau: quần vợt do điểm giao bóng quyết định, bóng chày là tay ném mở màn, bóng rổ là vắng mặt. Một mô hình cho tất cả học kém cả bốn.
Bước 4: hiệu chỉnh
Mô hình hiệu chỉnh là mô hình khi nói 60% thì đúng khoảng 6 trong 10 lần. Đo bằng cách nhóm dự đoán theo khoảng và so với thực tế. Không có hiệu chỉnh, so với tỷ lệ chẳng có ý nghĩa và mức cược bị định sai.
Vào hay không vào. Mô hình hiệu chỉnh học từ hàng nghìn cú ném như thế; với vài trăm, nó chỉ học nhiễu.
Bước 5: kiểm thử trung thực
Để riêng mùa cuối và không nhìn vào cho tới hết. Mô phỏng chỉ cược khi xác suất của bạn vượt xác suất ngụ ý của tỷ lệ đóng cửa, với mức cược cố định. Nếu kết quả không dương, mô hình không hoạt động dù độ chính xác trông cao đến đâu.
Logic chỉ cược khi có lợi thế là value betting, và đó là điều biến một công cụ dự đoán thành công cụ cá cược.
Bước 6: công khai tất cả
Mô hình không công khai lịch sử thì không khác gì tipster. Ghi lại mỗi kèo với xác suất, tỷ lệ và kết quả, và để mọi người thấy. Khó chịu khi thua, nhưng đó là cách duy nhất để ai đó tin khi thắng.
Nếu tất cả nghe như nhiều việc, thì đúng vậy: đó là điều chúng tôi làm mỗi ngày ở Gambeta, và công khai miễn phí để bạn không phải xây từ đầu.
Câu hỏi thường gặp
Có thể huấn luyện AI cá cược thể thao mà không lập trình?
Với bảng tính bạn có thể tới hồi quy đơn giản. Để hiệu chỉnh và kiểm thử trên tỷ lệ lịch sử bạn cần Python hoặc R.
Cần bao nhiêu trận để huấn luyện?
Nhiều mùa của cùng một giải. Với vài trăm trận mô hình học nhiễu, không phải quy luật.
Dữ liệu nào là bắt buộc?
Kết quả, đội hình, lịch thi đấu và tỷ lệ đóng cửa lịch sử. Không có tỷ lệ bạn không biết mình có thắng thị trường không.
AI tổng quát như ChatGPT có làm được không?
Nó viết được mã và bàn thiết kế, nhưng không làm mô hình: không có dữ liệu cũng không có hiệu chỉnh.