L'apprendimento automatico prevede il vincitore della Coppa del Mondo

Matthias Hangst | Getty

La Coppa del Mondo di calcio 2018 prende il via giovedì in Russia ed è probabilmente uno degli eventi sportivi più seguiti della storia, più popolare anche delle Olimpiadi. Quindi i potenziali vincitori sono di notevole interesse.

Un modo per valutare i probabili risultati è guardare le quote dei bookmaker. Queste aziende utilizzano statistici professionisti per analizzare vasti database di risultati in modo da quantificare la probabilità di risultati diversi di ogni possibile corrispondenza. In questo modo, i bookmaker possono offrire quote su tutti i giochi che inizieranno nelle prossime settimane, nonché quote sui potenziali vincitori.

Una stima ancora migliore deriva dalla combinazione delle quote di molti bookmaker diversi. Questo approccio suggerisce che il Brasile è chiaramente il favorito per vincere la Coppa del Mondo 2018, con una probabilità del 16,6%, seguito da Germania (12,8%) e Spagna (12,5%).

Ma negli ultimi anni, i ricercatori hanno sviluppato tecniche di apprendimento automatico che hanno il potenziale per superare gli approcci statistici convenzionali. Cosa prevedono queste nuove tecniche come probabile esito della Coppa del Mondo 2018?

Una risposta arriva dal lavoro di Andreas Groll dell'Università Tecnica di Dortmund in Germania e di alcuni colleghi. Questi ragazzi usano una combinazione di machine learning e statistiche convenzionali, un metodo chiamato approccio random-forest, per identificare un diverso vincitore molto probabile.

Prima un po' di background. La tecnica della foresta casuale è emersa negli ultimi anni come un modo efficace per analizzare grandi set di dati evitando alcune delle insidie ​​di altri metodi di data mining. Si basa sull'idea che qualche evento futuro può essere determinato da un albero decisionale in cui viene calcolato un risultato in ogni ramo facendo riferimento a un insieme di dati di addestramento.

Tuttavia, gli alberi decisionali soffrono di un problema ben noto. Nelle ultime fasi del processo di ramificazione, le decisioni possono essere gravemente distorte da dati di addestramento che sono scarsi e soggetti a enormi variazioni a questo tipo di risoluzione, un problema noto come overfitting.

L'approccio della foresta casuale è diverso. Invece di calcolare il risultato in ogni ramo, il processo calcola il risultato di rami casuali. E lo fa molte volte, ogni volta con un diverso insieme di rami selezionati casualmente. Il risultato finale è la media di tutti questi alberi decisionali costruiti casualmente.

Questo approccio ha vantaggi significativi. In primo luogo, non soffre dello stesso problema di overfitting che affligge gli alberi decisionali ordinari. Rivela anche quali fattori sono più importanti nel determinare il risultato.

Quindi, se un particolare albero decisionale include molti parametri, diventa facile vedere quali hanno il maggiore impatto sul risultato e quali no. Questi fattori meno importanti possono quindi essere ignorati in futuro.

Groll e compagni usano esattamente questo approccio per modellare la Coppa del Mondo 2018. Modellano il risultato di ogni partita che le squadre probabilmente giocheranno e usano i risultati per costruire il corso più probabile del torneo.

Groll e compagni iniziano con un'ampia gamma di potenziali fattori che potrebbero determinare il risultato. Questi includono fattori economici come il PIL e la popolazione di un paese, la classifica FIFA delle squadre nazionali e le proprietà delle squadre stesse, come l'età media, il numero di giocatori della Champions League che hanno, se hanno un vantaggio in casa e così via .

È interessante notare che l'approccio della foresta casuale consente a Groll e compagni di includere altri tentativi di classificazione, come le classifiche utilizzate dai bookmaker.

Inserire tutto questo nel modello fornisce alcuni spunti interessanti. Ad esempio, i fattori più influenti risultano essere le classifiche delle squadre create con altri metodi, inclusi quelli di bookmaker, FIFA e altri.

Altri fattori importanti includono il PIL e il numero di giocatori della Champions League nella squadra. I fattori non importanti includono la popolazione del paese, la nazionalità dell'allenatore e così via.

Le previsioni ottenute attraverso questo processo differiscono dalle altre per alcuni aspetti importanti. Per cominciare, il metodo della foresta casuale sceglie la Spagna come il vincitore più probabile, con una probabilità del 17,8%.

Tuttavia, un fattore importante in questa previsione è la struttura del torneo stesso. Se la Germania supera la fase a gironi della competizione, è più probabile che affronti una forte opposizione nella fase a eliminazione diretta a 16 squadre. Per questo motivo, il metodo della foresta casuale calcola le possibilità della Germania di raggiungere i quarti di finale del 58%. Al contrario, è improbabile che la Spagna affronti una forte opposizione negli ottavi di finale e quindi ha il 73% di possibilità di raggiungere i quarti di finale.

Se entrambi raggiungono i quarti di finale, hanno più o meno uguali possibilità di vittoria. La Spagna è leggermente favorita rispetto alla Germania principalmente a causa del fatto che la Germania ha una probabilità relativamente alta di abbandonare gli ottavi di finale, affermano Groll e compagni.

Ma c'è una svolta in più. Il processo ad albero casuale consente di simulare l'intero torneo e questo produce un risultato diverso.

Groll e compagni hanno simulato l'intero torneo 100.000 volte. Secondo l'andamento del torneo più probabile, al posto degli spagnoli la squadra tedesca vincerebbe la Coppa del Mondo, dicono.

Naturalmente, a causa dell'enorme numero di permutazioni dei giochi, questo corso è ancora estremamente improbabile. Groll e compagni hanno messo le probabilità a circa 1 su 100.000.

Così il gioco è fatto. All'inizio del torneo, la Spagna ha le migliori possibilità di vittoria, secondo Groll e co. Ma se la Germania arriva ai quarti di finale, diventa la prima classificata.

Il torneo inizierà giovedì, quando i padroni di casa, la Russia, affronteranno l'Arabia Saudita. Purtroppo, nessuna di queste squadre sembra destinata a raggiungere i quarti di finale.

Rif: arxiv.org/abs/1806.03208 : Pronostico della Coppa del Mondo FIFA 2018: un approccio casuale alla foresta con un'enfasi sui parametri stimati dell'abilità della squadra

nascondere