Machine learning-based multi-model framework for football team optimization

doi:10.1186/s40537-026-01497-3

Machine learning-based multi-model framework for football team optimization

2026-08-20

0

OA

AI

Praveen Kumar Mannepalli

DOI：10.1186/s40537-026-01497-3

原文链接

原文求助

摘要

En 中文

足球是一项广受欢迎的运动，同时也是巨大的金融市场。如今，足球运动员的市场价值呈现出持续上涨的趋势。计算机科学在体育分析中的应用，通过数据 analytics、机器学习（ML）和人工智能（AI）的复杂性，彻底改变了评估球员和选拔球队的过程。本研究揭示的模型是一种球员推荐模型，结合了数据 analytics 和基于 AI 的可视化技术，有助于足球领域的危机应对和球员招募。本研究基于 FIFA-20 数据集，但其目的并非预测游戏评分，而是将数据集视为实际足球表现特征的标准化代理，评分是对技术、体能和战术属性的综合性评估，这些属性在足球 analytics 中具有重要价值。提出了一个采用两层隐藏层的多层感知器（MLP）架构的模型，并与里约热内卢模型及其他模型（如优化线性回归、LightGBM、随机森林回归（RFR）和 XGBoost）进行比较评估。建议的 MLP 架构在泛化能力上表现最佳，其 R² 得分为 99.13，RMSE 为 0.6410，MAE 为 0.4485，这些是竞争模型的得分。交叉验证结果提供了平均 R² 和标准差，进一步证实了其稳定性。本研究支持人工智能（AI）等工具可用于挖掘人才，为球员选择、效率评估和球队分配提供宝贵建议，以适应现代足球的发展。

Keyword:

Data analytics

Sports

Football

FIFA20

AI

Machine learning

Principal component analysis (PCA)

Data visualization

Linear regression

KNN algorithm

Machine learning-based multi-model framework for football team optimization

摘要

期刊

机构

引用论文