1 |
1
앙상블 모델을 이용한 축구 경기의 승부 예측 방법에 있어서,과거에 수행된 경기에 대한 경기 데이터를 수집하는 단계;상기 경기 데이터 대하여 데이터 전처리를 수행하는 단계;상기 데이터 전처리가 수행된 경기 데이터를 이용하여 복수의 승부 예측 모델들을 학습시키는 단계; 및상기 학습된 복수의 승부 예측 모델들을 이용하여 경기 결과의 예측 값을 획득하는 단계를 포함하는,승부 예측 방법
|
2 |
2
제1항에 있어서,상기 복수의 승부 예측 모델들을 학습시키는 단계는,과거에 수행된 하나 이상의 제1 경기 시즌에 대한 경기 데이터를 학습 데이터로서 상기 복수의 승부 예측 모델들에 입력하여 과거에 수행된 제2 경기 시즌에 대응하는 경기 결과의 예측에 대한 출력 값들을 획득하는 단계; 및상기 제2 경기 시즌에 대응하는 경기 결과의 예측에 대한 출력 값들과 상기 제2 경기 시즌에 대한 경기 결과에 기초하여 상기 복수의 승부 예측 모델들을 학습시키는 단계를 포함하는,승부 예측 방법
|
3 |
3
제2항에 있어서,상기 복수의 승부 예측 모델들을 학습시키는 단계는,상기 각 복수의 승부 예측 모델들에 대응하는 출력 값들 각각에 상기 각 복수의 승부 예측 모델에 대응하는 가중치를 적용하여 결과 값을 산출하고, 상기 결과 값과 상기 학습 데이터에 기초하여 상기 복수의 승부 예측 모델들 각각의 파라미터 및 상기 가중치를 결정하는 단계를 포함하는,승부 예측 방법
|
4 |
4
제3항에 있어서,상기 복수의 승부 예측 모델들 각각의 파라미터 및 상기 가중치를 결정하는 단계는,상기 결과 값 및 상기 제2 경기 시즌에 대한 경기 결과에 기초하여 상기 복수의 승부 예측 모델들 각각의 파라미터 및 상기 복수의 승부 예측 모델들 각각에 대응하는 가중치를 결정하는 단계를 포함하는,승부 예측 방법
|
5 |
5
제1항에 있어서,상기 복수의 승부 예측 모델들은,MLP(Multilayer Perceptrons), LSTM(Long short-term memory), SVM(Support Vector Machine), 랜덤 포레스트(Random forest) 및 로지스틱 회귀(Logistic Regression) 중 적어도 두 개를 포함하는,승부 예측 방법
|
6 |
6
제2항에 있어서,상기 제1 경기 시즌은,상기 제2 경기 시즌보다 더 과거에 수행된 경기 시즌인,승부 예측 방법
|
7 |
7
제1항에 있어서,상기 예측 값을 획득하는 단계는,상기 제2 경기 시즌보다 미래에 수행될 제3 경기 시즌에 대한 경기 결과의 예측 값을 획득하는 단계를 포함하는,승부 예측 방법
|
8 |
8
제7항에 있어서,상기 예측 값을 획득하는 단계는,상기 학습된 복수의 승부 예측 모델들로부터 획득한 출력 값들에 기초하여 상기 각각의 가중치가 적용된 가중합을 산출하는 단계; 및상기 가중합에 기초하여 상기 제3 경기 시즌에 대한 경기 결과의 예측 값을 획득하는 단계를 포함하는,승부 예측 방법
|
9 |
9
승부 예측 방법을 수행하는 앙상블 모델을 이용한 축구 경기의 승부 예측 장치에 있어서,과거에 수행된 경기에 대한 경기 데이터를 수집하는 수집부;상기 경기 데이터 대하여 데이터 전처리를 수행하는 전처리부;상기 학습된 복수의 승부 예측 모델들을 이용하여 경기 결과의 예측 값을 획득하는 복수의 승부 예측 모델들; 및상기 데이터 전처리가 수행된 경기 데이터를 이용하여 복수의 승부 예측 모델들을 학습시키는 학습부;를 포함하는,승부 예측 장치
|
10 |
10
제9항에 있어서,상기 복수의 승부 예측 모델들은,MLP, LSTM, SVM, 랜덤 포레스트 및 로지스틱 회귀 중 적어도 두 개를 포함하는,승부 예측 장치
|