Please use this identifier to cite or link to this item: http://hdl.handle.net/10889/9069
Title: Πρόβλεψη αποτελέσματος ποδοσφαιρικών αγώνων με τεχνικές μηχανικής μάθησης
Other Titles: Soccer games result prediction using machine learning techniques
Authors: Μανούκος, Μάριος
Keywords: Ποδόσφαιρο
Πρόβλεψη
Μηχανική μάθηση
Εξόρυξη δεδομένων
Μπούντεσλιγκα
Keywords (translated): Soccer
Prediction
Machine learning
Data mining
WEKA
PCA
Premier league
Bundesliga
Abstract: Στην παρούσα διπλωματική εργασία παρουσιάζεται η προσπάθεια πρόβλεψης αποτελέσματος ποδοσφαιρικών αγώνων με χρήση τεχνικών μηχανικής μάθησης οι οποίες εφαρμόστηκαν μέσω του λογισμικού WEKA. Αρχικά έγινε μία εισαγωγή σε βασικές έννοιες της μηχανικής μάθησης και σε κάποιους βασικούς αλγορίθμους κατηγοριοποίησης. Στη συνέχεια παρουσιάστηκε το σύνολο δεδομένων που χρησιμοποιήθηκε, το οποίο περιλαμβάνει αγώνες των πρώτων κατηγοριών Αγγλίας και Γερμανίας, καθώς και η επεξεργασία στην οποία αυτό υποβλήθηκε για να εισαχθεί στο WEKA και να αναδειχθεί η πληροφορία που περιέχει. Επιπλέον, εφαρμόστηκαν κάποιες τεχνικές επιλογής χαρακτηριστικών στο σύνολο δεδομένων και στο τέλος παρουσιάζονται τα αποτελέσματα της πρόβλεψης μαζί με τα συμπεράσματα που προέκυψαν.
Abstract (translated): This diploma dissertation presents the results of soccer prediction using machine learning techniques implemented in WEKA. Initially, some basic machine learning concepts and classifiers were introduced. Then, the data set used was presented, which includes first division soccer games from England and Germany, as well as the preprocessing it went through in order to reveal the hidden information it contains . Furthermore, attribute selection techniques were applied to the data set. Finally, the prediction results along with the conclusions that came of were presented
Appears in Collections:Τμήμα Ηλεκτρολ. Μηχαν. και Τεχνολ. Υπολογ. (ΔΕ)

Files in This Item:
File Description SizeFormat 
Manoukos Marios AM6444 thesis.pdf2.15 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons