@iiaptuzan

Нейросеть для хоккея?

Здравствуйте,у меня есть теоретические знания какие данные нужно собирать из хоккейных матчей для прогнозирования вероятного исхода события в лайв режиме,но вот как всё это сделать,к сожалению таких знаний нет,кто может помочь с этим или же к кому обратиться чтоб помогли,заработок с этого на начальном этапе может быть с банальных ставок,а по мере улучшения проекта,есть куда более надёжный и прибыльней вид заработка
  • Вопрос задан
  • 83 просмотра
Пригласить эксперта
Ответы на вопрос 1
Aleksandr-JS-Developer
@Aleksandr-JS-Developer
Лучше проще, чем никогда
Узнайте что такое нейросетка и вам всё сразу понятно станет.
Я не специалист, но кое что, всё-таки есть что сказать.
Нейросетка - это не магия, а, грубо говоря, больше про статистику и опыт.
Нейросетка на вход принимает информацию на точки входа и на выходе выдаёт, опять-таки, значения в точках на выходе. Все эти точки называют нейронами.

220px-Neural_network.svg.png

Между входными (на картинке зеленые) и выходными (желтые) нейронами есть слой "скрытых" (синие) нейронов, которые сеть строит сама.
В скрытом слое и происходит "магия".
Входной нейрон X имеет, попустим, значение 1.
Скрытый нейрон получает из X значение 1, из нейрона Y значение 0.5 и передаёт в следующий слой нейронов уже, например, 0.3, на опыте, что сочетание X = 1 и Y = 0.5 часто приводит к "плохому" результату.

Очень упрощённо на примере шахмат.
Для шахмат, входных нейронов будет около 66.
64 - сама доска с фигурами. Ещё два - это чей ход сейчас (за кого нужно искать ход) и остаток времени, чтобы не думать слишком долго.
На выходе получить один из 64^2 (с какой клетки (из 64) на какую (из 64) ходить) вариантов ответа.
Когда это всё настроено, начинается самое сложное - обучение.
Подозреваю, что существуют разные способы обучения, но самый популярный - с помощью наказания и похвалы.
Когда сетка сделала ход, его нужно оценить. Тут самое сложное. Если вы хотите действительно сильную шахматную сетку, которая бьёт движки, то использовать движки нельзя. Разработчики из DeepMind, когда решали задачу, просто оценивали не один ход, а исход партии вообще. Тут всё просто, победа, например, +1, поражение штраф -2, ничья штраф -1 или просто 0. (Возможно именно это решение усилило сетку до того, что она с треском обыграла сильнейшую шахматную программу и, в шахматных кругах, стала сенсацией. Она оценивала не текущую позицию, а ещё могла "заметить" маркеры хорошей позиции в конце игры)
Дальше оценку работы нейросетки нужно ей вернуть и нейросетка "охладит" немного связи, которые помогли ей принять плохое решение и "подогреет" связи, которые ей принесли очки.
Ещё, сложные нейросети обучают по "обучающей выборке". Т. е. ставят ей задачи, решение которых однозначно и известно. Таким образом можно точно оценить работу и точно скорректировать скрытые слои нейронов.


Трудность в вашем случае в том, что как вы собираетесь запихнуть все входные данные в сеть?
Видео с игр? Игра на нестандартном стадионе, погода или передвижение зрителей может серьёзно исказить результат.

Где вы собираетесь взять качественную выборку для обучения?

Обучение такой сети - это довольно ресурсоёмкий процесс, даже по современным меркам.
Качественное обучение такой сети - это очень ресурсоёмкий процесс.
Иначе качество предсказания падает. Не очень хочется ставку в 10 лярдов профукать, верно?)

Ещё момент. Ещё никто этого не реализовал. Думаете почему?)
На форексе нейросетке нужно ответить всего на один вопрос. Верх или вниз? И до сих пор не может никто обучить.
Да, всё делается впервые и потом уже всё хорошо, но перед удачей сначала куча неудач. Для исследователя не беда, а вот для бизнеса беда.
Ответ написан
Комментировать
Ваш ответ на вопрос

Войдите, чтобы написать ответ

Войти через центр авторизации
Похожие вопросы