Answers:
关于足球（一般来说是体育运动），有很多很好的问题，将这些问题扔给算法，看看结果如何。棘手的部分是知道向算法扔什么。
例如，一支拥有良好RB的球队可能只获得第三名和第二名，而仅仅因为对手可能期望跑动。因此，为了实际产生一些有价值的结果，我将问题分解为较小的部分，并在将它们扔到机器上的同时进行了统计分析。
有一些（好的）网站试图做同样的事情，您应该检查一下并使用发现的任何东西可以为您提供帮助：
如果您真的想探索体育数据分析，则绝对应该查看Sloan Sports Conference视频。在YouTube上有很多此类内容。
是。为什么不？！在每项运动的每项运动中都记录了如此多的数据，因此，明智地使用数据可能使我们获得有关球员表现的重要见解。
一些例子：
因此，是的，对球员记录的统计分析可以使我们了解哪些球员更有可能表现，而哪些球员则没有表现。因此，机器学习，统计分析的近亲将被证明是改变游戏规则的人。
机器学习和统计技术可以改善预测，但是没有人可以预测实际结果。
几个月前，有一场关于预测2014年NCAA锦标赛的笑话比赛。您可以阅读竞赛论坛，以更好地了解人们所做的事情以及他们取得的成就。
之前已经证明，机器学习技术可以用于预测运动结果。简单的谷歌搜索应该给你一堆结果。
但是，也已经证明（对于NFL btw而言），非常复杂的预测模型，简单的预测模型，通过使用投注信息来质疑人们或人群知识，它们的表现大致相同。资料来源：邓肯·瓦茨（Duncan Watts），第7章，“ 一旦您知道了答案，一切都是显而易见的-常识失败了 ”。
我已经阅读了有关它的内容，并且想到了以下博客：
在半场时间结束后，此博客讨论了NFL比赛的预测。使用简单的GLM模型，预测的准确性为80％。
我不知道那是否适合足球。
我在这方面做了一些研究。我发现一阶马尔可夫链可以很好地预测各种运动的比赛得分动态。
您可以在此处详细了解：http : //www.epjdatascience.com/content/3/1/4
他们无法预测，但可以告诉您最可能的结果。艾蒂安（Etienne）对这种方法进行了研究- 预测谁将用沃尔夫拉姆语言赢得世界杯冠军。这是一项非常详细的研究，因此您可以检查用于获得预测的所有方法。
足够有趣的是，15场比赛中有11场是正确的！
如人们所料，巴西是最受欢迎的国家，获胜的可能性为42.5％。取得如此惊人的成绩的原因在于，巴西既拥有最高的Elo排名，又拥有自己的主场。
（我们去巴西吧！）