Un cadre d'apprentissage automatisé pour la prédiction des résultats sportifs

L'apprentissage automatique (AA) est l'une des méthodologies intelligentes qui ont montré des résultats prometteurs dans les domaines de la classification et de la prédiction. L'un des domaines en expansion nécessitant une bonne précision prédictive est la prédiction sportive, en raison des montants monétaires élevés impliqués dans les paris. De plus, les managers et propriétaires de clubs s'efforcent de développer des modèles de classification afin de comprendre et de formuler les stratégies nécessaires pour gagner des matchs. Ces modèles sont basés sur de nombreux facteurs impliqués dans les jeux, tels que les résultats des matchs historiques, les indicateurs de performance des joueurs et les informations sur l'équipe adverse. Cet article fournit une analyse critique de la littérature en apprentissage automatique, en se concentrant sur l'application des réseaux de neurones artificiels (RNA) à la prédiction des résultats sportifs. Ce faisant, nous identifierons les méthodologies d'apprentissage utilisées, les sources de données, les moyens appropriés d'évaluation des modèles, et les défis spécifiques de la prédiction des résultats sportifs. Cela nous amène ensuite à proposer un nouveau cadre de prédiction sportive à travers lequel l'AA peut être utilisé comme stratégie d'apprentissage. Notre recherche sera, espérons-le, informative et utile à ceux qui effectueront des recherches futures dans ce domaine d'application.