Machine Learning (ML) se puede usar para predecir el resultado de un partido de cricket. Sin embargo, al igual que otros problemas de ML, encontrar las características / atributos correctos es el mayor desafío. ¿Cuáles podrían ser esas características? ¿El desempeño histórico de jugadores individuales, bateadores, jugadores de bolos, fildeadores? La ubicación del partido, las condiciones climáticas, la edad promedio del equipo, la altura de los jugadores, los resultados pasados del equipo juntos y con otros equipos y muchos más atributos similares. Un buen modelo también debe considerar el cambio de rendimiento de un equipo en particular durante un período de tiempo. Es muy difícil elaborar una lista exhaustiva de características discriminatorias y no sabemos si muchas de ellas son relevantes o no. Sin embargo, construir un modelo con las mejores características posibles puede no dar una predicción definitiva debido a la complejidad de las formas y la explicación histórica. También sabemos que los desvalidos pueden y han derrotado a los gigantes del juego varias veces. ¿Podemos aprovechar tales situaciones o anomalías y usarlas para mejorar nuestro modelo predictivo? El problema difícil es definir qué constituye un buen modelo y cuánta precisión se considera buena. ¿Se puede considerar que una precisión del 80% es buena?
Los siguientes enlaces pueden ser útiles para explorar más este tema
- ¡Análisis de Cricket con cricketr!
- https://people.ucsc.edu/~praman1…
- ¿Cuáles son algunos de los modelos predictivos disponibles para el juego de cricket? ¿Cuáles son los que se pueden hacer?
- Microsoft presenta una plataforma de aprendizaje automático para predecir puntajes en partidos de cricket – MSPoweruser
- laxpatil / cricPred