Koneoppimisen soveltaminen urheilutulosten ennustamisessa

Abstract

Tässä tutkielmassa selvitetään, kuinka koneoppimismalleja voidaan soveltaa urheilutulosten ennustamiseen joukkueurheiluissa. Tavoitteena on selvittää, kykenevätkö koneoppimismallit tuottamaan ennusteita, joita voisi käytännössä hyödyntää. Tutkielmassa tarkastellaan päätöspuupohjaisia malleja (esim. satunnaismetsä ja XGBoost), logistista regressiota, neuroverkkoja ja tukivektorikonetta. Malleja arvioidaan yleisesti käytetyillä mittareilla: tarkkuus, täsmällisyys, herkkyys, F1-arvo ja neliöllinen keskimääräinen virhe (RMSE). Tutkielman lopussa myös vertaillaan mallien suoriutumista ja selvitetään, mitkä mallit ovat antaneet tarkimmat ennustukset. Tulosten perusteella koneoppimismallien avulla voidaan ennustaa tarkasti. Ennustusten tarkkuus rippuu kuitenkin vahvasti aineistosta ja käytettävistä muuttujista, mikä korostaa näiden huolellisen valinnan tärkeyttä.