我正在编写一个机器人程序,使用他们的Python
API在网站Betfair上下注。我想在足球比赛中下注。在
我编写了一个XML提要,以提供来自比赛的实时数据,但是对于足球队,XML提要并不总是使用与betfairuse相同的名称。在
例如,当提到曼联时,Betfair可能使用“manutd”,而XML提要可能使用“manunited”或其他变体。我不局限于流行的市场,所以建立一个标准的Betfair到XML名称转换表是不可行的。在
我尝试使用某种概率字符串匹配来给我一些提示,这两个数据源引用的是同一个团队。在
到目前为止,我已经使用了revard,它似乎在进行一些贝叶斯计算,但是我认为我没有正确地使用它,因为我必须将字符串分解为train
和{
这是我的代码:
import scorefeed
from reverend.thomas import Bayes
guesser = Bayes()
teams=['home','away']
def train(team_no, name):
for char in name:
guesser.train(teams[team_no], char)
def untrain(team_no, name):
for char in name:
guesser.untrain(teams[team_no], char)
def guess(name):
home_guess = 0.0
away_guess = 0.0
for char in name:
if len(guesser.guess(char)) > 0:
for guess in guesser.guess(char):
if guess[0] == teams[0]:
home_guess = home_guess + guess[1]
print home_guess
if guess[0] == teams[1]:
away_guess = away_guess + guess[1]
print away_guess
home_guess = home_guess / float(len(name))
away_guess = away_guess / float(len(name))
probs = [home_guess, away_guess]
return probs
def game_match(betfair_game_string, feed_home, feed_away):
home_team = betfair_game_string[0:betfair_game_string.find(' V ')]
away_team = betfair_game_string[betfair_game_string.find('V')+2:len(betfair_game_string)]
train(0, home_team)
train(1, away_team)
probs = []
probs.append(guess(feed_home)[0])
probs.append(guess(feed_away)[1])
untrain(0, home_team)
untrain(1, away_team)
return probs
print game_match("Man Utd V Lpool", "Manchester United", "Liverpool")
当前设置产生的概率是[0.4705411764705883, 0.5555]
。如果有任何想法或改进,我将非常感激。在
编辑:我有另一个想法,我想知道在Betfair和feed上是相同的匹配。但这给了我第一个名字和第二个名字匹配的概率。我需要找出名字和名字匹配的概率。因此,我编写了以下函数,似乎可以得到更合理的结果:
^{pr2}$我仍然会很感激对不同方法的任何建议,或是现有库中相同操作的建议,或者是关于纠正我的概率计算的提示。在
这是我的建议。阅读http://norvig.com/spell-correct.html,在此基础上实现一些东西,看看它的工作效果如何。希望它能很好地工作。在
通过动态缓存结果来加快速度,这样一旦计算出给定名称的猜测,就可以重用猜测。在
您的实现应该有一个关于所使用的最可疑猜测的异常报告,以便您可以手动检查并拒绝或修复它们。在
相关问题 更多 >
编程相关推荐