近期很火的AI预测欧洲杯，出了Pro版了！预测结果太炸了！

欧洲杯小组赛转眼已如火如荼进行了一个星期！

小姐姐AI 算个球取得了揭幕战预测的胜利之后，引发了AI开发者和球迷的热烈的讨论！

陆续更新推出欧洲杯预测模型PRO版本！目前进行18场比赛预测正确13场，准确率达到了72%！采用的是群内不少开发者热烈讨论、可行性高的可实现的AI方法--进行数据特征工程，对不同的数据设置权重，加入到AI算法中训练。

让我们一起来看看欧洲杯AI预测模型pro版本的性能优化亮点吧！

将历史胜负关系、FIFA积分关系、球队德转身价、主场优势定义了四个函数vs_AB、FIFA_AB、value_AB、home_field_AB，做出了定义比赛结果预测模型，此模型支持开发者自由调参，可根据实际情况输入权重提升模型预测准确度!

#权重的总和为1，如认为此场比赛主场优势很关键，可以增加第4个参数的值，来提升模型预测的准确度。经过多次实验，当权重统一按0.3/0.3/0.3/0.1计算，按照胜/负/平三选一预测时，模型的准确率高达72%！

增加了“两队胜负情况概览”，根据具体的比赛情况，绘制两队1930年至今对战胜率图，以及2000年后对战胜率图，根据该图可明显看出两队对战成绩随着时间的走势。

一起实战一个案例看看模型预测情况吧！以6月19日 英格兰 VS 苏格兰这场为例。

获取历史比赛数据，并在每场比赛后面增加胜利队伍和比赛年份。

从总数据中提取出参加本届比赛的24支球队间相互进行的比赛。

定义函数 vs_AB，得到两支球队历史对阵胜负情况。

读取FIFA RANKINGS.csv，获取全部24支参赛球队的FIFA排名和积分数据。

定义函数 FIFA_AB，得到两支球队FIFA积分情况

读取Market Values.csv，获取全部24支参赛球队的价值排名数据。

定义函数 value_AB，得到两支球队价值情况

读取Schedule.csv，获取全部比赛赛程数据。

定义函数 home_field_AB，得到是否某支球队有主场优势

以上分别将历史胜负关系、FIFA积分关系、球队德转身价、主场优势定义了四个函数vs_AB、FIFA_AB、value_AB、home_field_AB

模型将根据历史胜负关系、FIFA积分关系、球队德转身价、主场优势来判断比赛结果，可根据实际情况输入权重提升模型预测准确度。权重的总和为1，如认为此场比赛主场优势很关键，可以增加第4个参数的值，来提升模型预测的准确度。

绘制两队1930年至今对战胜率图，以及2000年后对战胜率图。

根据该图可明显看出两队对战成绩随着时间的走势。

运行 prediction 函数，输入比赛双方球队名称，并输入四个主要影响因素的权重（历史胜负关系、FIFA积分关系、球队德转身价、主场优势），即可得到本场比赛分析预测结果。

第一支球队是： England

第二支球队是： Scotland

双方历史战绩权重： 0.3

双方FIFA积分排名权重： 0.3

双方球队价值权重： 0.3

主场优势权重： 0.1

双方历史上共交手次数：

116

胜负情况如下

England:48

Scotland:42

Draw:26

England 的FIFA积分为：1686.78

Scotland 的FIFA积分为：1441.43

England 全队身价为：12.7 Billion Pounds

Scotland 全队身价为：2.699 Billion Pounds

England 占据主场优势。

England 获胜概率大。

英格兰：此前与克罗地亚的小组赛，三狮军团展现出了出色的状态，他们边路犀利的进攻和中场凶悍的逼抢防守使得他们在面对克罗地亚时掌控了场上的局势，本场比赛面对实力弱于自己的苏格兰，英格兰只需延续此前的良好状态即可取胜。

苏格兰：在上场0：2负于捷克的比赛中，苏格兰人其实也创造出了不少好机会，只可惜他们锋线的终结能力太差，都没能把握住，本场比赛面对强大的英格兰，苏格兰必定会采取防守反击的战术与阵型。

• 增加数据内容，如：球员身价、伤病情况、天气情况、FIFA排名数据等。
• 使用机器学习算法，如线性回归、逻辑回归、决策树、随机森林等。
• 进行数据特征工程，对不同的数据设置权重，加入到AI算法中训练。
• 欢迎大家自由发挥，使用各种AI方法来分析，并预测出每场赛果，及欧洲杯冠军。