


Le modèle d'IA vous explique pourquoi le Brésil a le plus de chances de remporter le championnat cette année ! Prédit avec précision les deux championnats précédents
En parlant de la plus grande célébrité Internet de la Coupe du Monde 2010 en Afrique du Sud, ce doit être "Octopus Paul" !
Cette pieuvre magique située au Centre allemand de la vie marine a non seulement prédit avec succès les résultats des sept matchs de l'équipe allemande, mais a également sélectionné avec succès le champion final, l'équipe espagnole.
Malheureusement, Paul nous a quitté pour toujours, mais son « héritage » perdure dans les tentatives des gens de prédire l'issue des matchs de football.
À l'Institut Alan Turing, alors que la Coupe du monde 2022 au Qatar se poursuit, trois chercheurs, Nick Barlow, Jack Roberts et Ryan Chan, ont décidé d'utiliser un algorithme d'IA pour prédire le championnat de cette année.
Modèle prédictif
L'algorithme statistique de l'Institut Turing est basé sur un modèle "AIrsenal" dérivé du jeu de football "Premier League Fantasy" (oui, comme son nom l'indique, l'inventeur de l'algorithme Doit être un fan d'Arsenal).
Ce modèle s'inspire du modèle classique de prédiction du football lancé par Dixon et Coles en 1997. Le modèle prend en compte la force offensive, la force défensive et l'avantage du terrain d'une équipe, et utilise les statistiques bayésiennes pour calculer quelle équipe est la plus susceptible de marquer dans un match.
Trois chercheurs ont ajusté le modèle AIrsenal pour le rendre plus adapté à la prédiction des résultats des compétitions internationales.
Par exemple, chaque équipe nationale joue le plus souvent contre des équipes du même continent, par exemple le Brésil n'a joué contre aucune équipe européenne depuis 2019. Cela peut créer des biais lors de la prévision des résultats entre équipes de différents continents.
Afin de résoudre ce problème, le chercheur a introduit les « paramètres d'avantage relatif » entre les fédérations de différents continents et a révisé le modèle.
Données d'entraînement
Afin de prédire avec précision le vainqueur de la Coupe du monde 2022, vous devez d'abord utiliser les données passées pour entraîner le modèle.
Trois chercheurs de l'Institut Turing ont utilisé une base de données complète de matchs de football internationaux compilée par l'utilisateur de GitHub martj42 - qui enregistre les résultats détaillés de chaque match de football depuis 1872.
Dans les données d'entraînement, le poids des matchs principaux de la Coupe du monde (après 2002) et des matchs récents est séquentiellement supérieur à celui des championnats intercontinentaux, des éliminatoires et des matchs amicaux. Les chercheurs intègrent également les classements officiels de la FIFA dans le modèle pour fournir une estimation à jour des performances des équipes.
Il convient de mentionner que les chercheurs ont également déclaré dans le communiqué de presse que leur modèle ne prenait pas en compte des facteurs tels que les « joueurs », les « tirs au but » et « l'emplacement/la météo/les autres », mais qu'ils prédisaient néanmoins avec succès l'Allemagne et l'Allemagne en 2014. La France, vainqueur des Coupes du monde 2018 et 2018.
Résultats des prédictions
Au final, grâce à ce modèle d'IA et 100 000 résultats expérimentaux, l'Institut Alan Turing a prédit respectivement le « championnat ultime » et « les résultats de l'équipe d'Angleterre et du Pays de Galles », et a finalement donné deux rapports.
Prédiction du championnat final
D'après le tableau ci-dessus, nous pouvons constater que sur 100 000 résultats de tests, le Brésil a remporté le championnat final près de 25 000 fois, avec une probabilité de victoire d'environ 25 %.
La Belgique et l'Argentine sont respectivement les deuxième et troisième favoris pour remporter le championnat, avec des probabilités respectives de 18% et 13,5%.
De plus, les équipes classées 4 à 10 en probabilité de victoire sont la France (11 %), l'Angleterre (7,5 %), l'Espagne (4,5 %), les Pays-Bas (4,4 %), le Danemark (3,1 %) et le Portugal (3,0 %). %) et la Croatie (2,2 %) – toutes des équipes européennes.
Prédiction des performances des deux frères britanniques
Selon la simulation des performances du modèle IA des équipes d'Angleterre et du Pays de Galles, le Pays de Galles a plus de la moitié de la probabilité (52%) de s'arrêter en phase de groupes.
L'Angleterre est dans une situation légèrement meilleure, avec seulement 20 % de probabilité de rater la phase de groupes. Cependant, le modèle estime toujours qu'elle a 70 % de chances de s'arrêter dans le top 8, et n'est pas optimiste quant aux « Trois ». Les chances des Lions de remporter le championnat.
Je me demande si les fans anglais aussi loin que la péninsule britannique seront d'accord avec cette prédiction.
D'autres modèles sont également optimistes à propos du Brésil
Par coïncidence.
Récemment, une équipe de recherche commune de l'Université du Luxembourg, de l'Université technique de Munich et de l'Université technique de Dortmund a également utilisé les données des cinq Coupes du monde en 2002, 2006, 2010, 2014 et 2018, combinées à la structure de chaque équipe. et le PIB de chaque pays et d'autres paramètres à analyser. " Le "Random Forest Model" a été formé pour prédire le vainqueur de la Coupe du monde 2022.
Les résultats finaux montrent que l'équipe brésilienne a une probabilité de 23,5% d'accéder à la finale et une probabilité de 15% de remporter le championnat, se classant première parmi les 32 premières. Les équipes classées 2 à 5 avec des chances de gagner sont : l'Argentine, les Pays-Bas, l'Allemagne et la France.
La prédiction du gagnant final par le modèle d'IA de l'équipe de recherche commune est exactement la même que les résultats de recherche de l'Institut Alan Turing. De ce point de vue, le couronnement de la sixième étoile de la « Samba Army » approche vraiment à grands pas !
Enfin, il faut aussi admettre que bien qu'il soit scientifique d'utiliser l'IA pour prédire les résultats des matchs, et que des équipes comme le Brésil, la Belgique et l'Argentine soient effectivement les favorites de cette compétition, il est absolument impossible que le modèle implique tous les facteurs.
Peu importe la précision du modèle d'IA, le football sera toujours un jeu aléatoire.
Les facteurs imprévisibles sur le terrain vert peuvent être la raison pour laquelle nous l'aimons et l'aimons profondément.
Références :
https://www.zeileis.org/news/fifa2022/
https://www.eurekalert.org/news-releases/971175
https://www.turing . ac.uk/blog/can-our-algorithm-predict-winner-2022-football-world-cup
https://www.iflscience.com/ai-has-run-100-000-simulations-and-predict -le-vainqueur-de-la-coupe-du-monde-2022-66314
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

La commande de fermeture CENTOS est arrêtée et la syntaxe est la fermeture de [options] le temps [informations]. Les options incluent: -H Arrêtez immédiatement le système; -P éteignez l'alimentation après l'arrêt; -r redémarrer; -t temps d'attente. Les temps peuvent être spécifiés comme immédiats (maintenant), minutes (minutes) ou une heure spécifique (HH: mm). Des informations supplémentaires peuvent être affichées dans les messages système.

Guide complet pour vérifier la configuration HDFS dans les systèmes CentOS Cet article vous guidera comment vérifier efficacement la configuration et l'état de l'exécution des HDF sur les systèmes CentOS. Les étapes suivantes vous aideront à bien comprendre la configuration et le fonctionnement des HDF. Vérifiez la variable d'environnement Hadoop: Tout d'abord, assurez-vous que la variable d'environnement Hadoop est correctement définie. Dans le terminal, exécutez la commande suivante pour vérifier que Hadoop est installé et configuré correctement: HadoopVersion Check HDFS Fichier de configuration: Le fichier de configuration de base de HDFS est situé dans le répertoire / etc / hadoop / conf / le répertoire, où Core-site.xml et hdfs-site.xml sont cruciaux. utiliser

La politique de sauvegarde et de récupération de GitLab dans le système CentOS afin d'assurer la sécurité et la récupérabilité des données, Gitlab on CentOS fournit une variété de méthodes de sauvegarde. Cet article introduira plusieurs méthodes de sauvegarde courantes, paramètres de configuration et processus de récupération en détail pour vous aider à établir une stratégie complète de sauvegarde et de récupération de GitLab. 1. MANUEL BACKUP Utilisez le Gitlab-RakegitLab: Backup: Créer la commande pour exécuter la sauvegarde manuelle. Cette commande sauvegarde des informations clés telles que le référentiel Gitlab, la base de données, les utilisateurs, les groupes d'utilisateurs, les clés et les autorisations. Le fichier de sauvegarde par défaut est stocké dans le répertoire / var / opt / gitlab / backups. Vous pouvez modifier / etc / gitlab

L'installation de MySQL sur CENTOS implique les étapes suivantes: Ajout de la source MySQL YUM appropriée. Exécutez la commande YUM Install MySQL-Server pour installer le serveur MySQL. Utilisez la commande mysql_secure_installation pour créer des paramètres de sécurité, tels que la définition du mot de passe de l'utilisateur racine. Personnalisez le fichier de configuration MySQL selon les besoins. Écoutez les paramètres MySQL et optimisez les bases de données pour les performances.

Activer l'accélération du GPU Pytorch sur le système CentOS nécessite l'installation de versions CUDA, CUDNN et GPU de Pytorch. Les étapes suivantes vous guideront tout au long du processus: CUDA et CUDNN Installation détermineront la compatibilité de la version CUDA: utilisez la commande NVIDIA-SMI pour afficher la version CUDA prise en charge par votre carte graphique NVIDIA. Par exemple, votre carte graphique MX450 peut prendre en charge CUDA11.1 ou plus. Téléchargez et installez Cudatoolkit: visitez le site officiel de Nvidiacudatoolkit et téléchargez et installez la version correspondante selon la version CUDA la plus élevée prise en charge par votre carte graphique. Installez la bibliothèque CUDNN:

Docker utilise les fonctionnalités du noyau Linux pour fournir un environnement de fonctionnement d'application efficace et isolé. Son principe de travail est le suivant: 1. Le miroir est utilisé comme modèle en lecture seule, qui contient tout ce dont vous avez besoin pour exécuter l'application; 2. Le Système de fichiers Union (UnionFS) empile plusieurs systèmes de fichiers, ne stockant que les différences, l'économie d'espace et l'accélération; 3. Le démon gère les miroirs et les conteneurs, et le client les utilise pour l'interaction; 4. Les espaces de noms et les CGROUP implémentent l'isolement des conteneurs et les limitations de ressources; 5. Modes de réseau multiples prennent en charge l'interconnexion du conteneur. Ce n'est qu'en comprenant ces concepts principaux que vous pouvez mieux utiliser Docker.

Lors de l'installation et de la configuration de GitLab sur un système CentOS, le choix de la base de données est crucial. Gitlab est compatible avec plusieurs bases de données, mais PostgreSQL et MySQL (ou MARIADB) sont le plus couramment utilisés. Cet article analyse les facteurs de sélection de la base de données et fournit des étapes détaillées d'installation et de configuration. Guide de sélection de la base de données Lors du choix d'une base de données, vous devez considérer les facteurs suivants: PostgreSQL: la base de données par défaut de GitLab est puissante, a une évolutivité élevée, prend en charge les requêtes complexes et le traitement des transactions et convient aux grands scénarios d'application. MySQL / MARIADB: une base de données relationnelle populaire largement utilisée dans les applications Web, avec des performances stables et fiables. MongoDB: base de données NoSQL, se spécialise dans

La formation distribuée par Pytorch sur le système CentOS nécessite les étapes suivantes: Installation de Pytorch: La prémisse est que Python et PIP sont installés dans le système CentOS. Selon votre version CUDA, obtenez la commande d'installation appropriée sur le site officiel de Pytorch. Pour la formation du processeur uniquement, vous pouvez utiliser la commande suivante: pipinstalltorchtorchVisionTorChaudio Si vous avez besoin d'une prise en charge du GPU, assurez-vous que la version correspondante de CUDA et CUDNN est installée et utilise la version Pytorch correspondante pour l'installation. Configuration de l'environnement distribué: la formation distribuée nécessite généralement plusieurs machines ou des GPU multiples uniques. Lieu
