使用长短期记忆网络预测NBA比赛胜负

作者：李镇晖; 张宇山

来源：计算机应用, 2021, 41(S2): 98-102.

• 神经网络
• 长短期记忆网络
• 支持向量机
• 卷积神经网络
• 逻辑回归模型

深度学习与机器学习的方法已广泛应用于NBA(美国篮球职篮联赛)的比赛胜负的预测中,然而过去的方法未对过去几场比赛的数据进行建模,忽略了比赛双方近期状态的有效表示。为了解决这个问题,提出了基于长短期记忆(LSTM)网络的方法对NBA常规赛的比赛胜负进行预测。该方法分别以比赛中的两支球队过去几场比赛的数据作为LSTM的输入,以该场比赛结果作为输出,训练能够预测比赛胜负的模型。本质上是使用球队在该赛季的历史数据的平均值作为该球队的实力,以近几场比赛的数据序列作为该球队状态的体现。在实验中比较了其他几种预测NBA比赛胜负的方法(支持向量机、卷积神经网络、逻辑回归模型等方法),数据来自2014—2019年间的5个赛季的NBA常规赛数据。结果表明,模型的预测准确率达到(69.09%),高于其他几种模型。