Applicazioni pratiche di machine learning/Previsioni su scommesse sportive: differenze tra le versioni

==Caricamento librerie==

library(dplyr)

library(caret)

 

== Parte 1: Dati ==

 

'''Caricamento dati:'''

I1_17_18 <- read.csv("I1_17_18.csv")

I1_18_19 <- read.csv("I1_18_19.csv")

I1_19_20 <- read.csv("I1_19_20.csv")

 

Creazione colonna "risultato", contenente gli 1,X,2 risultati della corrispondente partita, da aggiungere al dataframe degli anni 2017 e 2018:

 

risultato <- rep(NA,nrow(I1_17_18))

risultato[which(I1_17_18$FTR=="A")]="2"

df1<-I1_17_18[,which(colnames(I1_17_18) %in% colnames(I1_19_20))]

df1 <- cbind(df1,risultato)

 

 

Creazione colonna "risultato", contenente gli 1,X,2 risultati della corrispondente partita, da aggiungere al dataframe degli anni 2018 e 2019:

 

risultato <- rep(NA,nrow(I1_18_19))

risultato[which(I1_18_19$FTR=="A")]="2"

df2<-I1_18_19[,which(colnames(I1_18_19) %in% colnames(I1_19_20))]

df2 <- cbind(df2,risultato)

 

 

Creazione colonna "risultato", contenente gli 1,X,2 risultati della corrispondente partita, da aggiungere al dataframe degli anni 2019 e 2020:

 

risultato <- rep(NA,nrow(I1_19_20))

risultato[which(I1_19_20$FTR=="A")]="2"

df3<-I1_19_20[,which(colnames(I1_19_20) %in% colnames(I1_18_19))]

df3 <- cbind(df3,risultato)

 

Si scelgono per la previsione le seguenti variabili contenenti le probabilità di scommessa 1,X,2 sulle partite fatte dai bookmakers:

...e si uniscono i 3 dataframes contenenti le probabilità di vincita in casa, pareggio o trasferta negli anni 2017,2018,2019,2020 :

 

df1<-rbind(df1,df2)

df1<-rbind(df1,df3)

 

head(df1)

 

Si eliminano dal dataframe df1 le righe contenenti gli eventuali valori mancanti nelle probabilità...

 

df1 <- df1[-which(rowSums(is.na(df1))>0),]

 

 

Si suddivide il dataset df1 in un training set costituito dal 90% delle partite e in un testing set costituito dal rimanente 10% di partite e come predictors si scelgono le probabilità indicate dai vari bookmakers escludendo data della partita e nomi delle squadre in casa e trasferta. La variabile da predire è "risultato" .

 

n <-nrow(df1)

training <- df1[1:round(n*0.9),c(4:22)]

p1 <- predict(model,newdata = testing)

print(confusionMatrix(p1,testing$risultato))

 

'''Confusion Matrix and Statistics of training set:'''