Giter VIP home page Giter VIP logo

eliteserien_fantasy's Introduction

Eliteserien Fantasy

Analyser og data for Eliteserien Fantasy, skrevet i R.

Resultatmessig fungerte det helt middels, kan sikkert forbedres både resultatmessig og kodemessig. Koden ble over tid vanskelig å vedlikeholde, og krevde en del plunder og manuelt arbeid for å kjøres hvis noe uventa skjedde. Prediksjonene blir ikke bedre enn dataene som går inn, og de er nok litt mangelfulle.

Oversikt

Systemet fungerer ved at 1) data lastes ned fra det åpne APIet til fantasy.vg.no, 2) et eller annet forsøk på å predikere poengsum i neste runde kjøres, basert på historiske data og annet jeg måtte ha liggende, 3) de predikerte poengverdiene kjøres gjennom en lineær optimering, som setter sammen teamet med maksimal predikert poengsum i neste runde, gitt begrensningene i reglene, tilgjengelige penger og antall bytter, 4) jeg bestemmer meg for hva jeg gjør, og oppdaterer laget og dataene deretter.

Steg 1: Data

  • datagrabbing_function.R: en funksjon for å hente data fra APIet til fantasy.vg.no, etter mønster fra FPL-APIet.
  • kampdatagrabber.R: en funksjon for å hente informasjon om spilte kamper fra NIFS.no - deriblant odds.
  • spillerdata_function.R: lager en tidsserie om skader o.l. for hver enkelt spiller-runde. Baseres seg på filene fra APIet som oppdateres etter hver kamp, men som jeg lagret lokalt hver gang algoritmen ble kjørt.
  • sample_data-folderen har noen eksempeldata.

steg 2: Prediksjon

  • Har prøvd naive tilnærminger som "totalt antall poeng til nå = framtidige poeng", "antall poeng i forrige kamp = framtidige poeng", ulike varianter av lineær regresjon, flernivåmodellering og Support Vector Machine.
  • Her er kode for SVM.
  • ML.

Steg 3: Velge lag

Steg 4: Gjør noe lurt

  • dashboard: For å få et overblikk over hvordan laget så ut, brukte jeg litt grafikk.

eliteserien_fantasy's People

Contributors

gardenberg avatar

Watchers

James Cloos avatar  avatar

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.