加米谷学院

2018年俄罗斯世界杯将于6月14日正式拉开帷幕，70亿 的目光即将聚焦在这140平米的足球场上。而随着赛事日期的日渐临近，对于本届世界杯冠军归属的预测和争论进入到了白热化的阶段，预测世界杯的冠军似乎已经成了大家一件大家津津乐道的事。2018年世界杯，大数据是否将成为下一位“预言帝”呢？

今天在此就教教大家，用大数据算出2018世界杯冠军！

工具准备：电脑 你的大脑

如何算出冠军人选呢？仅需要5步！

一、利用爬虫获取数据

网络爬虫又被称为网页蜘蛛，网络机器人，是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。

在“球探网”等类似的网站抓取到各种足球比赛的每场比赛的比分之外，还包括犯规数、红黄牌、控球率等详细数据。这里抓取了2018年世界杯参赛的32支球队，选择了2008年及以后的数据作为预测的基础。

二、计算各球队的进攻和防守实力

数据获取到了之后，我们需要利用数据计算出每支球队的进攻和防守实力。

计算公式：

该球队的进攻实力=球队A的场均进球数 / 所有32支球队的场均进球数

该球队的防守实力=球队A的场均失球数/所有32支球队的场均失球数

按照这个算法进行计算，可以得出以下两张图：

进攻实力方面，德国一马当先，紧随其后的是西班牙、巴西、英格兰和葡萄牙；防守实力方面，西班牙则位列第一，法国、伊朗、巴西和英格兰分列第二到第五位。

另外需要提醒大家注意的是，这里的进攻实力和防守实力，并不是进球数和丢球数，而且防守实力最低，表示这支球队的防守越强。

三、构建泊松模型

接下来的步骤，就是通过建立泊松分布模型来算出在一场比赛中，这只球队具体能踢进多少个球，也就是“期望值”。

泊松分布模型是一个数学概念，描述的是某段时间内，某个事件的发生概率。如某一服务设施在一定时间内到达的人数，电话交换机接到呼叫的次数，汽车站台的候客人数，机器出现的故障数等等。

计算公式：

当球队A和球队B比赛时，A进球的期望值=A的进攻实力*B的防守实力*所有32支球队的场均进球数

通过构建泊松分布模型，有了这样的概率分布分析，我们就可以算出两队进行比赛的时候，某队任意比分出现的概率了。

四、多次模拟赛程并统计结果

建立好泊松模型之后，对于任意两支球队，我们都能够预测他们的比分。

那么接下来要做的，就是根据2018年世界杯的分组结果和赛程，对每一场比赛进行模拟，并产生冠军。小编总共进行了100000次模拟，得到的结果如下：

从结果上看，差点夺得欧洲杯的法国果然风头正劲，在这十万次模拟中，法国队有一万多次夺得了冠军。完成了新老交替的西班牙紧随其后，毕竟曾经创造了统治世界的王朝，永远不能低估一颗冠军的心。

但这个结果明显还不尽人意，这个结果是基于所有的比赛得分都在一样的运算中进行分析，“世界杯”、“美洲杯”、“亚洲杯”、“友谊赛”的重要性和难度明显是不一样的。因此我们还需要进一步对数据进行整理和分析。

五、数据清理与调整

在我们的数据中，各支球队跨大洲进行的比赛并不多。但是在计算各支球队的进攻实力和防守实力时，没有加以区别，这显然也是有问题的。

所以基于比赛的性质，我们需要对数据重新赋权后，可以得到以下结果：

这就是2018年世界杯的比赛成果了，我们可以看到西班牙以0.117的比分占据榜首，成为了2018年世界杯的最后赢家。西班牙、德国则成为了夺冠的重要人选。亚洲的日本、伊朗和尼日利亚也有可能成为夺冠黑马。