機器學習預測2018年世界盃冠軍隊

參與文末話題討論，每日贈送異步圖書

 

——異步小編

 

麻省理工學院報道，他們開發了一種新型人工智能，用以預測世界盃走勢。而應用了一種名爲random-forest的計算方法，經過結合機器自我學習和常規統計，其準確率可能遠勝於傳統的統計方法。

在衆多資深評論員的預測中，巴西擁有16.6%的最高奪冠概率，德國和西班牙緊隨其後，奪冠機率分別有12.8%和12.5%。但random-forest認爲，西班牙擁有更高的奪冠概率，其捧杯機率爲17.8%，高於德國。這其中主要是因德國在16強中失利的可能性相對較大。在麻省理工的相關報告中，他們表示：

「西班牙比德國稍受AI青睞，這主要是由於德國在16強被爆冷的可能更高。」

近年來random-forest已經成爲一種分析大型數據集的可靠方法，其在運行分析的同時規避了其餘數據挖掘系統的一些缺陷。Random-forest的主要運算邏輯基於將來事件能夠由決策樹來決定這一原則，而決策樹經過分析每一組數據集來得出其相應分支的結果。

在麻省理工的報告中稱，影響西班牙和德國將來走向的重要因素是賽事自己的結構。他們指出，若是德國在小組階段出線，其在16強淘汰賽面臨的挑戰將遠大於西班牙，「翻車」的可能性不小。基於此點，random-forest經過計算，認爲德國進入1/4決賽的機率只有58%；相比之下，西班牙則有73%的機率進入八強。

固然，假如西班牙和德國都成功進入1/4決賽，那麼他們將有平等的機會最終捧杯。

random-forest中文翻譯爲隨機森林，隨機森林離不開決策樹，下面咱們就聊聊決策樹和random-forest是如何計算的。

 

決策樹模型雖然簡單明瞭，但單獨使用時效果並不理想。決策樹和邏輯迴歸配合使用,將兩種模型聯結成爲一個總體後，模型的效果獲得了明顯的提高。但因爲其中涉及兩種徹底不一樣的模型，在數學上很難給這種聯結方式一個比較理想的抽象，所以在工程實現上，很難作到自動尋找最優的模型組合。

爲了使模型間的組合更加自動化，最常規或者最成熟的作法就是隻使用一種模型，好比決策樹。經過某種方式將多個決策樹組合起來，使用它們的「集體智慧」來解決問題，學術上被稱爲集成方法（ensemble method）。

針對決策樹的集成方法一般能夠被分爲兩類：平均方法（averaging methods）和提高方法（boosting methods）。它們的表明模型分別是隨機森林和GBTs。

 

   1.1隨機森林

 

隨機森林（random forests）由n個決策樹組成，模型的預測結果等於各決策樹結果的某種「加權平均」，如圖1所示。