基于贝叶斯视角的足球比赛实时预测
Real-time forecasting within soccer matches through a Bayesian lens
AI总结：
本文提出一种基于贝叶斯方法的新框架，利用多项 probit 回归处理比赛事件序列数据以实时预测足球比赛结果，在八个赛季英超数据上表现优于现有统计与机器学习算法且具备稳健性。
摘要：
本文采用贝叶斯方法实时预测足球比赛结果。利用比赛全程各类事件的序列数据，我们在一个新颖的框架中使用多项 probit 回归，以估计协变量的时变影响并预测比赛结果。来自八个赛季的英格兰超级联赛数据被用于评估我们方法的有效性。不同的评估指标表明，所提出的模型优于受现有统计或机器学习算法启发的潜在竞争者。此外，我们应用稳健性检验以证明模型在各种场景下的准确性。
英文摘要：
This paper employs a Bayesian methodology to predict the results of soccer matches in real-time. Using sequential data of various events throughout the match, we utilize a multinomial probit regression in a novel framework to estimate the time-varying impact of covariates and to forecast the outcome. English Premier League data from eight seasons are used to evaluate the efficacy of our method. Different evaluation metrics establish that the proposed model outperforms potential competitors inspired by existing statistical or machine learning algorithms. Additionally, we apply robustness checks to demonstrate the model's accuracy across various scenarios.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
