Today, so much information is available that the challenge has become deciphering what is relevant. The Internet is updated frequently with information. Information about the stock market, databases of student
results, telecommunication information, and weather records are a click away. The entertainment industry is no exception; for instance, football statistics flood the Internet every now and then. The English Premier
League, in particular, produces a great deal of data because it is so popular. Fixed odds betting markets and researchers make use of these data to analyse and predict football match results. Different statistical
techniques have been used to develop models for football match result prediction. Although some of these predictions have reasonable levels of accuracy, limitations remain, and including the fact that some features affecting matches are not considered due to their complexity. In spite of several studies in this area, there is room for improvement in terms of developing a system with higher prediction accuracy without much complexity. This research attempts to contribute to the existing literature by developing and implementing an improved model using the Artificial Neural Network (ANN) and Logistic Regression classifier through Knowledge Discovery in Database (KDD). A data mining tool will be used to implement the model as well as to evaluate and predict the result of a football match. The improvement is that efforts will be made to overcome some of the limitations in the previous work through Knowledge Discovery in Database. Mining football data with the aid of data mining software, such as Rapid Miner, creates room to include as many features as possible due to the scalability of the tool.
Today, so much information is available that the challenge has become deciphering what is relevant. The Internet is updated frequently with information. Information about the stock market, databases of studentresults, telecommunication information, and weather records are a click away. The entertainment industry is no exception; for instance, football statistics flood the Internet every now and then. The English PremierLeague, in particular, produces a great deal of data because it is so popular. Fixed odds betting markets and researchers make use of these data to analyse and predict football match results. Different statisticalมีการใช้เทคนิคการพัฒนาแบบจำลองสำหรับการทายผลการแข่งขันฟุตบอล แม้ว่าบางส่วนคาดการณ์เหล่านี้มีในระดับความถูกต้องเหมาะสม ข้อจำกัดยังคง และรวมถึงข้อเท็จจริงที่ไม่มีคุณลักษณะบางประการที่ส่งผลกระทบต่อการแข่งขันพิจารณาเนื่องจากความซับซ้อนของพวกเขา แม้ว่าการศึกษาหลายด้านนี้ มีห้องพักสำหรับการปรับปรุงพัฒนาระบบความแม่นยำระดับสูงคาดเดาโดยไม่มีความซับซ้อนมาก งานวิจัยนี้พยายามที่จะนำไปสู่วรรณกรรมที่มีอยู่ โดยการพัฒนา และใช้แบบจำลองที่ปรับปรุงใช้ในฐานข้อมูล (KDD) classifier ประดิษฐ์ประสาทเครือข่าย (แอน) และถดถอยโลจิสติก โดยค้นพบความรู้ จะใช้เครื่องมือการทำเหมืองข้อมูลจะใช้รูปแบบเช่นประเมิน และทำนายผลการแข่งขันฟุตบอล ปรับปรุงไม่ว่า จะทำความพยายามจะเอาชนะข้อจำกัดในการทำงานก่อนหน้านี้โดยการค้นพบความรู้ในฐานข้อมูลอย่างใดอย่างหนึ่ง การทำเหมืองข้อมูลฟุตบอล ด้วยความช่วยเหลือของซอฟต์แวร์การทำเหมืองข้อมูล เช่นขุดแร่อย่างรวดเร็ว สร้างห้องรวมลักษณะการทำงานมากที่สุดเนื่องจากขนาดของเครื่องมือ
การแปล กรุณารอสักครู่..