Futbol maçları için taktik tabanlı tahmin sistemi

Abstract

Spor müsabakaları organizasyonları insanların zaman geçirdikleri önemli faaliyetler arasında yer almaktadır. Spor müsabakaları arasında futbol, dünyadaki en yüksek popülerlik oranına sahiptir. Birçok futbol müsabakası hem bölgesel bazda hem de uluslararası bazda düzenlenmektedir. Futbol maçlarının sonuçları futbol takımı taraftarları için çok önemlidir ve günlük yaşamlarında destekledikleri takımın sonuçlarına göre mutlu ya da üzgün olabilirler. Yapay zekâ ve makine öğrenmesindeki gelişmeler sonucunda birçok alanda yapılan tahminler futbol sonuçlarının tahminini de içermektedir. Ekonomik getirileri de olan futbol bahis sistemi düşünüldüğünde, futbol maç sonuçlarının tahmin edilmesi önem kazanmıştır. Bu çalışma, İtalya-Serie A, İngiltere-Premier Lig ve Alman-Bundesliga liglerindeki sonuçları tahmin etmek için bilindiği kadarı ile literatürde ilk kez sunulan taktik tabanlı bir tahmin yaklaşımı sunmaktadır. Bu yaklaşımda oyuncuların sahadaki pozisyonları ve piyasa değerleri web sayfalarından otomatik olarak alınmakta ve veri madenciliği yöntemlerine açık hale getirilmektedir. Veri madenciliği aşamasında Torbalama, Yinelemeli Sınıflandırıcı İyileştirici ve Derin Öğrenme gibi farklı yöntemler karşılaştırılmakta ve üç yöntemin farklı liglerde benzer sonuçlar verdiği görülmektedir. Veri madenciliği yöntemlerinde yaklaşık %60 doğruluk elde edilmektedir. Her üç lig için makine öğrenmesi yöntemlerinde kullanılan özellikler incelendiğinde takım sıralamasının maç sonuçlarını etkileyen en önemli özellik olduğu görülmüştür. Serie A'da Stoper ve Merkez Orta Saha özellikleri öne çıkarken, Premier Lig'de Sağ Kanat ve Kaleci gibi farklı özelliklerin önemli olduğu görülmüştür. Bundesliga'da Stoper ve Santrafor özelliklerinin maç sonuçlarına daha çok etki ettiği görülmüştür.

Organizations of sports competitions are among the important activities that people spend their time on. Among the sports competitions, football has the highest popularity rate in the world. Many football competitions are organized both on a regional basis and on an international basis. The results of football matches are very important for the fans of the football team, and they can be happy or sad according to the results of the team they support in their daily lives. As a result of developments in artificial intelligence and machine learning, predictions made in many fields include the prediction of football results. Considering the football betting system, which also has economic returns, the prediction of football match results has become important. This study presents a tactical-based forecasting approach to be presented for the first time in the literature to our knowledge, to predict results in Italy-Serie A, England-Premier League and Germany-Bundesliga leagues. In this approach, players' on-field placements and market values are automatically obtained from web pages and made available for data mining methods. The data mining phase compares different methods such as Bagging, Iterative Classifier Optimizer and Deep Learning, and it is seen that the three methods give similar results in different leagues. An accuracy of about 60% is achieved in data mining methods. When the features used in machine learning methods are examined for all three leagues, it is the most important feature in predicting the team ranking. While Center-Back and Central Midfielder features stand out in Serie A, different features such as Right Winger and Goalkeeper are seen to be important in Premier League. In the Bundesliga, the Centre-Back and Centre-Forward features have had a greater impact on the matches.