七月 23, 2015
七月 23, 2015

利用模型中的错误

利用模型中的错误
之前的文章已介绍过不同类型的预测模型以及测量散布的方法。不管什么模型,预测都不是预言,其至分配事件的可能性,且可能受到错误的影响,玩家应该清楚这一点且渴望加以利用。

作为一个寓言,将其中一个形状分类数据集视为学步儿童玩耍的立方体 在其中,我们需要将正确的形状穿过的一个洞。正确的形状代表一个正确的预测,但是与学步儿童手中的立方体不同,可能性数字更大。

选择错误的形状/模型

第一个可能会犯的错误是拟合完全错误的形状。如果你很努力地尝试或者也许因为尺寸非常小,三角形可能会装入正方形中,这仍然不是完美拟合。

这等于使用错误的模型来达到目的。例如,虽然正太分布似乎适合净胜球数,但它可能不是主场球队得分进球的最佳预测。如下图表所示,显示的2013/14英超联赛的实际主场球队得分进球数量和使用正太分布预测的预计主场球队得分进球数量(使用预期数据)。

errors-betting-models-barchart.jpeg

在众多潜在模型可用的情况下,完美拟合可能还未使用,或者更糟糕的是,可能还不可用。模型是真实生活场景的必要简化,且势必不准确。降低不准确性的途径是,在选择和解释模型、以及使用旧的数据拟合模型时加以判断。 

选择错误的尺寸/参数

返回至形状分类数据集类比,可能会挑出正确的形状,但是是不同的尺寸。例如,正在使用尺寸错误的正方形。

在模型构建的场景中,这等于是使用错误的参数。假如您正在试着计算某个比赛中可能出现的得分进球数量。泊松分布可能是要使用的正确模型,但是其中一个球队最近以8-0胜出。这个反过来歪曲了得分进球的平均数量,使得呈现的参数无用。

在这种情况下,需加以判断并对所使用参数中的标准偏差予以更多关注。

过程误差

最终,可能已经从形状分类数据集示例中找出的了正确的形状和尺寸,但是由于磨损和生产过程中的细微差别,每个形状的尺寸可能会波动。

在体育预测环境中,并不是每一个结果都可以复制。如果今年超级杯总决赛在很多次比赛的同等条件下进行,由于自然波动,比赛结果不可能一直是新英格兰爱国者队以28比24胜出。

即使选择了正确的模型和参数,比赛结果始终会有自然波动(是可测量的)。提供更多相关数据时,即会有最佳预测 这也就是为什么很多玩家发现预测英超足球赛远比世界杯比赛简单。

总结

博彩公司、财团和私人都会在预测中出错 技巧是在利用其它各方出现的错误时加以判断。

而且,博彩玩家应始终使用Pinnacle提供的最佳赔率 - 在此处了解我们无可匹敌的赔率  - 考虑到我们提供 最高的在线投注限额,在我们这里投注将确保你获得最佳回报。

投注资源 - 让你的投注如虎添翼

Pinnacle(平博)的投注资源是最全面的专业精选投注建议,你可以随时在线访问。我们的目标就是满足所有经验级别的需求,帮助博彩玩家变得更加博学多闻。