L'apprentissage automatique prédit le vainqueur de la Coupe du monde

Matthias Hangst | Getty

La Coupe du monde de football 2018 débutera jeudi en Russie et sera probablement l'un des événements sportifs les plus regardés de l'histoire, plus populaire même que les Jeux olympiques. Les gagnants potentiels présentent donc un intérêt considérable.

Une façon d'évaluer les résultats probables consiste à examiner les cotes des bookmakers. Ces entreprises font appel à des statisticiens professionnels pour analyser de vastes bases de données de résultats d'une manière qui quantifie la probabilité de résultats différents de toute correspondance possible. De cette façon, les bookmakers peuvent proposer des cotes sur tous les jeux qui débuteront dans les prochaines semaines, ainsi que des cotes sur les gagnants potentiels.

Une estimation encore meilleure provient de la combinaison des cotes de nombreux bookmakers différents. Cette approche suggère que le Brésil est clairement le favori pour remporter la Coupe du monde 2018, avec une probabilité de 16,6 %, suivi de l'Allemagne (12,8 %) et de l'Espagne (12,5 %).

Mais ces dernières années, les chercheurs ont développé des techniques d'apprentissage automatique qui ont le potentiel de surpasser les approches statistiques conventionnelles. Que prédisent ces nouvelles techniques comme issue probable de la Coupe du monde 2018 ?

Une réponse vient des travaux d'Andreas Groll de l'Université technique de Dortmund en Allemagne et de quelques collègues. Ces gars-là utilisent une combinaison d'apprentissage automatique et de statistiques conventionnelles, une méthode appelée approche de forêt aléatoire, pour identifier un autre gagnant le plus probable.

Tout d'abord un peu de contexte. La technique de la forêt aléatoire est apparue ces dernières années comme un moyen puissant d'analyser de grands ensembles de données tout en évitant certains des pièges des autres méthodes d'exploration de données. Il est basé sur l'idée qu'un événement futur peut être déterminé par un arbre de décision dans lequel un résultat est calculé à chaque branche en référence à un ensemble de données d'apprentissage.

Cependant, les arbres de décision souffrent d'un problème bien connu. Dans les dernières étapes du processus de branchement, les décisions peuvent être gravement faussées par des données d'entraînement rares et sujettes à d'énormes variations à ce type de résolution, un problème connu sous le nom de surajustement.

L'approche de la forêt aléatoire est différente. Au lieu de calculer le résultat à chaque branche, le processus calcule le résultat de branches aléatoires. Et il le fait plusieurs fois, chaque fois avec un ensemble différent de branches sélectionnées au hasard. Le résultat final est la moyenne de tous ces arbres de décision construits aléatoirement.

Cette approche présente des avantages significatifs. Premièrement, il ne souffre pas du même problème de surajustement qui afflige les arbres de décision ordinaires. Il révèle également quels facteurs sont les plus importants pour déterminer le résultat.

Ainsi, si un arbre de décision particulier comprend de nombreux paramètres, il devient facile de voir lesquels ont le plus d'impact sur le résultat et lesquels n'en ont pas. Ces facteurs moins importants peuvent alors être ignorés à l'avenir.

Groll et co utilisent exactement cette approche pour modéliser la Coupe du monde 2018. Ils modélisent le résultat de chaque match auquel les équipes sont susceptibles de jouer et utilisent les résultats pour construire le déroulement le plus probable du tournoi.

Groll et co commencent par un large éventail de facteurs potentiels qui pourraient déterminer le résultat. Ceux-ci incluent des facteurs économiques tels que le PIB et la population d'un pays, le classement des équipes nationales de la FIFA et les propriétés des équipes elles-mêmes, telles que leur âge moyen, le nombre de joueurs de la Ligue des champions qu'ils ont, s'ils ont l'avantage du terrain, etc. .

Fait intéressant, l'approche de la forêt aléatoire permet à Groll and co d'inclure d'autres tentatives de classement, telles que les classements utilisés par les bookmakers.

Intégrer tout cela dans le modèle fournit des informations intéressantes. Par exemple, les facteurs les plus influents s'avèrent être les classements des équipes créés par d'autres méthodes, notamment celles des bookmakers, de la FIFA et d'autres.

D'autres facteurs importants incluent le PIB et le nombre de joueurs de la Ligue des champions dans l'équipe. Les facteurs sans importance incluent la population du pays, la nationalité de l'entraîneur, etc.

Les prédictions obtenues par ce processus diffèrent des autres à certains égards importants. Pour commencer, la méthode de la forêt aléatoire désigne l'Espagne comme le gagnant le plus probable, avec une probabilité de 17,8 %.

Cependant, un facteur important dans cette prédiction est la structure du tournoi lui-même. Si l'Allemagne termine la phase de groupes de la compétition, il est plus probable qu'elle affrontera une forte opposition lors de la phase à élimination directe à 16 équipes. Pour cette raison, la méthode de la forêt aléatoire calcule les chances de l'Allemagne d'atteindre les quarts de finale à 58 %. En revanche, il est peu probable que l'Espagne affronte une forte opposition dans les 16 derniers et a donc 73% de chances d'atteindre les quarts de finale.

Si les deux se qualifient pour les quarts de finale, ils ont une chance plus ou moins égale de gagner. L'Espagne est légèrement favorisée par rapport à l'Allemagne, principalement en raison du fait que l'Allemagne a une chance relativement élevée d'abandonner en huitièmes de finale, disent Groll et co.

Mais il y a une tournure supplémentaire. Le processus d'arborescence aléatoire permet de simuler l'ensemble du tournoi, ce qui produit un résultat différent.

Groll and co a simulé l'intégralité du tournoi 100 000 fois. Selon le déroulement du tournoi le plus probable, à la place de l'Espagne, l'équipe allemande gagnerait la Coupe du monde, disent-ils.

Bien sûr, en raison du grand nombre de permutations de jeux, ce cours est encore extrêmement improbable. Groll et co ont mis les chances à environ 1 sur 100 000.

Alors voilà. Au début du tournoi, l'Espagne a les meilleures chances de gagner, selon Groll and co. Mais si l'Allemagne atteint les quarts de finale, elle devient alors la favorite.

Le tournoi débutera jeudi, lorsque les hôtes, la Russie, affronteront l'Arabie saoudite. Malheureusement, aucune de ces équipes ne semble susceptible de se qualifier même pour les quarts de finale.

Réf : arxiv.org/abs/1806.03208 : Prédiction de la Coupe du Monde de la FIFA 2018 - Une approche de forêt aléatoire mettant l'accent sur les paramètres de capacité d'équipe estimés

cacher