PHP-ML机器学习预测2018俄罗斯世界杯比赛结果

2024-03-18 05:40

本文主要是介绍PHP-ML机器学习预测2018俄罗斯世界杯比赛结果,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

2019独角兽企业重金招聘Python工程师标准>>> hot3.png

前言:

根据2014年巴西世界杯的小组赛比赛结果和赔率数据简单预测2018世界杯比赛结果,比赛的赔率我们可以事先知道,所以可以使用赔率作为预测数据

技术:

PHP ML库 贝叶斯分类器

样本数据:2014巴西世界杯小组赛赔率情况 和 比赛结果

预测数据:2018俄罗斯世界杯赔率情况

代码:

<?php
/*** 作者:刘海装* 电话:18814137313* 日期:2018-6-12* 项目:根据2014年世界杯的赔率和胜负平情况简单的预测2018世界杯比赛结果* 技术:使用 PHP-ML库 贝叶斯分类器*/
require_once __DIR__ . '/vendor/autoload.php';
use Phpml\Classification\NaiveBayes;//2014世界杯小组赛比赛赔率
$samples = [[1.29,11.13,5.05],[1.43,8.08,4.24],[1.83,4.75,3.33],[2.18,3.55,3.11],[2.58,2.79,3.13],[2.69,2.88,2.97],[1.42,8.36,4.17],[1.82,4.93,3.24],[1.34,8.85,5.05],[1.28,11.12,5.35],[2.37,3.13,3.12],[2.42,2.92,3.25],[4.19,1.94,3.32],[2.01,3.71,3.43],[1.86,4.32,3.47],[1.32,9.26,5.19],[1.35,8.91,4.85],[5.39,1.64,3.8],[1.56,5.54,4.27],[12.92,1.21,6.39],[2.27,3.19,3.28],[3.58,2.02,3.55],[2.04,3.65,3.38],[5.52,1.6,3.95],[4.57,1.81,3.49],[1.52,6.59,4.04],[4.2,1.87,3.51],[1.3,9.2,5.45],[1.13,19.99,8.36],[4.45,1.75,3.77],[2.42,3,3.21],[2.12,3.55,3.29],[2.62,2.66,3.31],[1.12,19.89,8.53],[2.55,2.69,3.38],[7.51,1.39,4.91],[3.78,1.97,3.48],[3.46,2.05,3.57],[4.32,1.78,3.8],[2.53,2.76,3.31],[5.21,1.63,3.96],[7.22,1.44,4.37],[2.12,3.45,3.45],[8.49,1.45,3.99]
];
//2014世界杯小组赛比赛结果
$labels = ['win','win','fail','win','win','fail','fail','win','win','win','win','fail','ping','win','ping','ping','win','fail','fail','fail','ping','win','win','fail','fail','fail','win','fail','win','ping','fail','win','fail','ping','win','fail','win','fail','ping','fail','ping','fail','win','fail'];
//使用贝叶斯分类器统计
$classifier = new NaiveBayes();
//开始学习
$classifier->train($samples, $labels);
//获取2018世界杯前9场比赛的赔率情况
$predictData = ['俄罗斯 vs 沙特'=>[1.4,8.35,4.1],//俄罗斯 vs 沙特'埃及 vs 乌拉圭'=>[6.25,1.6,3.6],//埃及 vs 乌拉圭'摩洛哥 vs 伊朗'=>[2.5,3.6,2.9],//摩洛哥 vs 伊朗'葡萄牙 vs 西班牙'=>[4.25,1.9,3.3],//葡萄牙 vs 西班牙'法国 vs 澳洲'=>[1.2,11.25,5.95],//法国 vs 澳洲'秘鲁 vs 丹麦'=>[3.05,2.4,3.15],//秘鲁 vs 丹麦'克罗蒂亚 vs 尼日利亚'=>[1.7,5.0,3.55],//克罗蒂亚 vs 尼日利亚'哥斯达黎加 vs 塞尔维亚'=>[4.25,1.9,3.35],//哥斯达黎加 vs 塞尔维亚'德国 vs 墨西哥'=>[1.45,6.6,4.1],//德国 vs 墨西哥
];
//预测2018世界杯前9场比赛结果
$res = [];
foreach($predictData as $team=>$data){$res[$team] = $classifier->predict($data);
}
//打印预测结果
echo '<pre>';
print_r($res);

预测结果如下:

Array
([俄罗斯 vs 沙特] => win //俄罗斯  赢 沙特[埃及 vs 乌拉圭] => fail //埃及  输  乌拉圭[摩洛哥 vs 伊朗] => win[葡萄牙 vs 西班牙] => fail[法国 vs 澳洲] => win[秘鲁 vs 丹麦] => fail[克罗蒂亚 vs 尼日利亚] => win[哥斯达黎加 vs 塞尔维亚] => fail[德国 vs 墨西哥] => win
)

特别说明:以上数据分析,纯属个人学习用,预测结果和实际情况可能会有偏差,不能用于其他用途。

转载于:https://my.oschina.net/u/3223370/blog/1828869

这篇关于PHP-ML机器学习预测2018俄罗斯世界杯比赛结果的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/821345

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

BUUCTF靶场[web][极客大挑战 2019]Http、[HCTF 2018]admin

目录   [web][极客大挑战 2019]Http 考点:Referer协议、UA协议、X-Forwarded-For协议 [web][HCTF 2018]admin 考点:弱密码字典爆破 四种方法:   [web][极客大挑战 2019]Http 考点:Referer协议、UA协议、X-Forwarded-For协议 访问环境 老规矩,我们先查看源代码

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个