Předpovídání výsledků zápasů v šipkách
Predicting the Outcomes of Darts Matches
diplomová práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/179416Identifikátory
SIS: 247505
Kolekce
- Kvalifikační práce [11242]
Autor
Vedoucí práce
Oponent práce
Mrázová, Iveta
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Informatika - Umělá inteligence
Katedra / ústav / klinika
Katedra teoretické informatiky a matematické logiky
Datum obhajoby
1. 2. 2023
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Čeština
Známka
Výborně
Klíčová slova (česky)
šipky|neuronové sítě|Markovův řetězec|strojové učení|rozhodovací stromyKlíčová slova (anglicky)
darts|neural networks|Markov chain|machine learning|decision treesTato práce se zabývá různými přístupy k modelování zápasů v šipkách. Porovnáváme ratingové modely, modely založené na statistikách a model, který na stavy hry a ná- hodné přechody mezi nimi nahlíží jako na Markovův řetězec. Součástí práce navrhujeme způsob výpočtu statistik reflektující jak dlouhodobou, tak krátkodobou formu soutěží- cích. S využitím detailního datasetu obsahujícího jednotlivé šipky také odvodíme, jak na základě stavu utkání volit cíl. Modely vyhodnocujeme dle standardních kritérií klasifikač- ních úloh, navíc však s využitím kurzů sázkových kanceláří odhadujeme ziskovost, pokud by dle predikcí modelů probíhalo sázení v praxi. 1
This thesis deals with various approaches to modeling darts matches. We compare rating models, models based on statistics and a model that views the game states and random transitions between them as a Markov chain. As a part of the thesis, we propose a method for calculating statistics reflecting both long-term and short-term form of the players. Using a detailed dataset containing individual darts, we also derive how to choose a target based on the state of the match. The models are evaluated according to standard criteria for classification problems, but in addition, using bookmakers' odds, we estimate the profitability if betting would take place in practice according to the models' predictions. 1