Chudo zhenshcina
Прогнозисты
- Регистрация
- 23.02.2024
- Сообщения
- 151
- Баллы
- 19
1. парсинг предстоящих матчей - betexplorer, предполагаемый состав на матч - redscores, рейтинг игроков - fifaindex.
2. нейросеть - многослойный перцептрон, обученный на примерах (обучение с учителем т.е. входные данные - рейтинг игроков и ответ - результат матча). нейросеть сделана при помощи библиотеки tensorflow для javascript (потому как сам скрипт сети лежит на моем сайте и запускается пользователем через браузер, обработка данных идет при загрузке страниц)
3. на вход сети подается 36 входов (18+18). например 76 77 78 79 87 0 0 87 87 77 89 0 0 0 77 76 78 87 - вектор для описания состава хозяев, где первое число - рейтинг вратаря. следующие 6 - защита, еще 7 - полузащита, еще 4 - атака. Если защитников, к примеру, всего 4, то две клетки остаются пустыми (значение 0). Аналогичный вектор делается для гостей. таким образом модель пытается учесть расстановку на поле. Оговорюсь - идея не моя, скомуниздил ее где то в интернете
4. Насчет обхода защит - интересно как обойти cloudfare используя парсинг при помощи запросов php curl. При парсинге вышеозначенных сайтов использую также java selenium webdriver. парсит не быстро, но альтернативы не знаю.
5. сейчас хочу написать парсер, чтобы получить данные с занесением в базы данных моего сайта mysql, содержащих характеристики игроков с течением времени, потом обучать сети, подавая не только общий рейтинг, но и отдельные характеристики (скорость стамина и т.д.), это приведет к увеличению размерности тензора (подробнее в тензофрлоу)
