Комментарии | 231 |
Статусы | 3 |
Дата регистрации | 27 мая 2010 |
---|---|
Аккаунт | игрок основы |
Пол | мужчина |
Возраст | не указан |
Любит | |
Основатель блогов | |
Читает блоги |
Приключения псевдоГинера в мире FIFA 18 продолжаются: следующие полсезона
Решил поиграть в фифу за ЦСКА в режиме Гинера)) Пока - в режиме топового, богатого, со следующими искусственными ограничениями
Решил задаться вопросом выбора команды и/или игроков для игры в FIFA18 в режиме карьеры. Раньше редко играл кого-нибудь, кроме ЦСКА, и выбирал команду вслепую, от случая к случаю, под настроение. На самом деле, так и продолжу)) Но точно знаю, почитав хотя бы комментарии на sofifa.com, что не все руководствуются только этим, но и стараются выбрать, например, самую потенциально сильную команду из тех, что сейчас не в топе, и вырастив имеющихся в ней игроков до их потенциального потолка, достичь высоких результатов без лишних трансферов.
Предыдущий пост вдруг набрал более тысячи просмотров (чем обрадовал администрацию сайта, сообщившую мне об этом письмом), хоть и всего 15 лайков. В честь этого накину ещё немного по FIFA 17, на этот раз - углубляясь в тему составов и расстановок.
Решил вспомнить заброшенный R. Для начала взял данные с http://sofifa.com/ и поискал недооценённые и переоценённые команды, чтобы использовать эту информацию для выбора команды для игры в онлайне.
На этот раз - без ставок, просто наблюдение. Группа G, из которой на Евро попали Австрия, Россия и Швеция, оказалась самой слабой группой этого турнира, хотя казалась вполне себе средней и довольно конкурентной.
Количество голов во втором тайме мало зависит от голов первого тайма и страны: в любом случае, в среднемв 50% случаев во втором тайме забивается не более одного гола. Но есть некоторые тонкости.
Решил посмотреть 4 ведущих европейских чемпионата по сочетанию «счёт после первого тайма» - «исход матча». Цифры получились небезынтересными, местами - контринтуитивными. Разобью описание на 5 блоков: ничья после первого тайма, преимущество одной из команд в 1 мяч и более серьёзное преимущество.
Сейчас пытаюсь строить «настоящие» статистические модели прогнозирования, на основе метода логистической регрессии. Незначительных успехов в этом достиг: модель для ставок на ничьи в играх английской премьер-лиги, по итогам валидации, показывает историческую прибыльность в 7,9%, однако не предполагает стремительного и/или непрерывного обогащения, так что, даже в теории, годится только для долгосрочных инвестиций.
Освоил web scraping, за счёт чего вытащил все интересовавшие меня данные с transfermarkt’а. Теперь развлекаюсь с ними. Первое на, что обратил внимание - это соотношение расчётной стоимости игроков к фактической на момент трансфера.