Horse racing prediction using graph-based features.
Graf-tabanli ozellikleri kullanarak at yarisi tahmin etmek
- Tez No: 951490
- Danışmanlar: PROF. DR. MEHMED KANTARDZİC
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Unıversıty Of Louısvılle
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, at yarışı verileri seti üzerinde grafik tabanlı özellikler kullanarak uygulamalı bir at yarışı tahmini sunmaktadır. Yapay sinir ağı ve logistic regresyon modellerini, grafik tabanlı özellikler olmadan ve grafik tabanlı özelliklerle tahmin yapmak için eğittik ve test ettik. Bu tez aşağıdaki gibi 4 ana bölümde açıklanabilir: -2015'ten 2017'ye kadar düzenlenen bir at yarışı web sitesinden veri toplama -Tahmin modellerini kullanarak verileri eğitme ve tahmin yapma -Atların küresel yönlü bir grafiğini oluşturma ve grafik tabanlı özellikler çıkarma (Ana Bölüm) -Temel özelliklere grafik tabanlı özellikler ekleyerek aynı tahmin modellerini kullanarak eğitme ve tahmin doğruluğundaki iyileşmeleri kontrol etme. Verilerden aynı yarışlarda bulunan rastgele seçilmiş iki at, sistemde tahmin için test edilmiştir. Grafik tabanlı özelliklerle, grafik tabanlı özellikler olmadan yapılan tahminden daha iyi bir doğruluk elde edilmiştir. Ayrıca bu sistem, 2016 ve 2017 Kentucky Derby'sinde test edilmiştir. 2017 Kentucky Derby'sinde ilk üç sonucu tahmin edemese de, 2016 Kentucky Derby'sinde ilk dört pozisyonu tahmin edebilmistir.
Özet (Çeviri)
This thesis presents an applied horse racing prediction using graph-based features on a set of horse races data. We used artificial neural network and logistic regression models to train then test to prediction without graph-based features and with graph-based features. This thesis can be explained in 4 main parts as follows: 1. Collect data from a horse racing website held from 2015 to 2017 2. Train data to using predictive models and make a prediction 3. Create a global directed graph of horses and extract graph-based features (Core Part) 4. Add graph-based features to basic features and train to using same predictive models and check improvements prediction accuracy. Two random horses were picked that are in same races from data and tested in systems for prediction. With graph-based features, prediction of accuracy better than without graph-based features. Also We tested this system on 2016 and 2017 Kentucky Derby. Even though we did not predict top three results from 2017 Kentucky Derby, in 2016 Kentucky Derby, we predicted top four position.
Benzer Tezler
- Türkiye'de ingiliz yarış atlarının kazanç durumlarına etkili faktörlerin sınıflamaya dayalı bazı makine öğrenmesi algoritmaları ile incelenmesi
Investigation of the factors affecting the earning status of thoroughbreds in Türkiye with some machine learning algorithms based on classification
VOLKAN TÜRKMEN
Doktora
Türkçe
2024
Veteriner HekimliğiAnkara ÜniversitesiVeterinerlik Biyoistatistik Ana Bilim Dalı
DOÇ. DR. DOĞUKAN ÖZEN
- Bozkır kavimlerinin sosyal, dinî ve askerî gelenekleri (Başlangıçtan IX. yüzyıla kadar)
Social, religious and military traditions of the steppe tribes (From the beginning to the IXth century)
EDA DURMUŞ
- Genel enerji tasarrufu yönünden gemilerin ekonomik hızlarının tespiti
Prediction of economic speed of ships for general fuel saving
EŞREF BODUR
- Mevcut çelik demiryolu köprülerinde yorulma ömrü tayini
Fatique life prediction for existing railway bridges
HÜDAİ KAYA