Using Graph Theory and KNIME Analytics Platform to Predict the EURO 2024 Outcome - Martin D Aus A

... All joking aside — over the past years I’ve used opportunities like this to learn about approaches to predict outcomes and tried them out eventually with more successes than fails when it comes to my placement in different leagues.

This time it is no different — what is different though is the approach I am taking. I came across this blog post on the usage of graph theory to make 2022 World Cup predictions.

The blog post shows how the connections between different football clubs and national teams (in terms of how many players of certain clubs are selected for different national teams) was used to create a network graph. For the relationships in that network graph the “eigenvector centrality” was determined for every national team to establish a ranking. For the 2018 World cup, applying this method, out of the top 5 teams with the highest eigenvector centrality, 3 ultimately made it into the semi-finals, and France as the highest ranked team won the tournament. For 2022, out of the predicted top 4 teams, three made it to the semi-finals and the highest ranked team, again France, ended up loosing to Argentina in a penalty shootout.

A pretty impressive accuracy for a method that doesn’t involve analyzing teams previous match results etc.

In this article I’m exploring if and how this can be done using a low-code approach in KNIME Analytics Platform.

Read more: https://medium.com/low-code-for-advanced-data-science/using-graph-theory-and-knime-analytics-platform-to-predict-the-euro-2024-outcome-8ab78a1650a4


Se utilizzate Knime vi consiglio vivamente la lettura di questo tutorial e lo studio del relativo workflow, anche nell'ipotesi che il gioco del calcio non vi appassioni minimamente. Affronta infatti diversi argomenti utili, in particolare:

  • l'accesso e il download di informazioni presenti sul web (in questo caso sull'enciclopedia online Wikipedia)
  • l'utilizzo dei nodi dell'estensione Network Mining per un primo approccio all'analisi delle reti

Commenti

Posta un commento

Post popolari in questo blog

Dove trovare raccolte di dati (dataset) utilizzabili gratuitamente

Quando si entra nel fantastico mondo dell'analisi dei dati il primo ingrediente che serve sono... i dati. E le raccolte di dati diventano fondamentali anche in seguito quando, ad esempio, si vuole addestrare un modello di machine learning. In questa pagina annoto i siti dai quali è possibile scaricare gratuitamente e legalmente dataset curati di dati. Chiunque può contribuire segnalandone di nuovi nei commenti Meta Datasets . La pagina dei Datasets di Meta AI offre un'incredibile raccolta di dataset su larga scala e benchmark per l'addestramento, il test e la valutazione dei modelli di intelligenza artificiale. I dataset coprono vari ambiti come la segmentazione degli oggetti, modelli visione-linguaggio, ricostruzione 3D, equità algoritmica e traduzione automatica. Esempi includono il dataset SA-V per la segmentazione, FACET per valutare l'equità nei modelli visivi e Ego4D per la comprensione di video in prima persona. Tutti i dataset possono essere scaricati gratuita...
Continua a leggere

AI Will Transform the Global Economy. Let’s Make Sure It Benefits Humanity. - IFM blog

 In a new analysis, IMF staff examine the potential impact of AI on the global labor market. Many studies have predicted the likelihood that jobs will be replaced by AI. Yet we know that in many cases AI is likely to complement human work. The IMF analysis captures both these forces. The findings are striking: almost 40 percent of global employment is exposed to AI. Historically, automation and information technology have tended to affect routine tasks, but one of the things that sets AI apart is its ability to impact high-skilled jobs. As a result, advanced economies face greater risks from AI—but also more opportunities to leverage its benefits—compared with emerging market and developing economies. In advanced economies, about 60 percent of jobs may be impacted by AI. Roughly half the exposed jobs may benefit from AI integration, enhancing productivity. For the other half, AI applications may execute key tasks currently performed by humans, which could lower labor demand, leadin...
Continua a leggere

Building a high-performance data and AI organization - MIT report 2023

«Gli Amministratori Delegati e i Consigli di Amministrazione riconoscono che la capacità della propria organizzazione di generare insight operativi dai dati, spesso in tempo reale, è di massima importanza strategica. Se ci fossero dubbi su questo punto, la corsa accelerata al digitale dei consumatori nell'anno di crisi appena trascorso li ha dissipati. Per aiutarle a diventare orientate ai dati, le aziende stanno sempre più implementando tecnologie avanzate basate su cloud, compresi strumenti analitici con capacità di apprendimento automatico (ML). Tuttavia, ciò che questi strumenti forniscono avrà un valore limitato senza dati abbondanti, di alta qualità e facilmente accessibili. In questo contesto, una gestione efficace dei dati è uno dei pilastri di un'organizzazione orientata ai dati. Ma gestire i dati in un'impresa è altamente complesso. Con l'introduzione di nuove tecnologie dei dati, il peso dei sistemi legacy e dei silos di dati cresce, a meno che non possano es...
Continua a leggere