lgabs / copa22-forecast Goto Github PK

Nos dados do Elo Ratings, até dá pra pegar dados por partida, mas não há dados já compilados em vários momentos do ano como na FIFA. No README eu falei que só tinha anualizado, então tem que corrigir essa informação.

• sortear da distribuição de poisson ao invés de usar argmax após saber a distribuição?
• dar mais pesos para partidas recentes na métrica de avaliação do modelo?
• usar o dataset com 44k partidas (international_football_results) ao invés do que tem 20k (fifa_world_cup_2022.csv)? Perde dados de pontuação do videogame mas é o dobro de partidas. Por que o de 20k tem menos partidas?
  R: investiguei, e a maioria das partidas a mais nesse dataset são de anos antes de 1993, quando o dataset com menos dados começa. Essas partidas podem não ser tão úteis por serem antigas, mas talvez uma estratégia funcione usando pesos para partidas recentes, para aproveitar dados.
• usar lag features como vitórias últimos X jogos, ou vitória últimos X jogos em certos torneios ou filtrando oponentes de ranking parecido com o corrente
• remover mais competições muito específicas
• mostrar avaliação da copa 2018 e do resto dos jogos pós 2018 separadamente

Make a preprocessed dataset more ready for modelling.