Predicting Season Outcomes for the NBA

Predicting game or season outcomes is important for clubs as well as for the betting industry. Understanding the critical factors of winning games and championships gives clubs a competitive advantage when selecting players for the team and implementing winning strategies. In this paper, we work with NBA data from 10 seasons and propose an approach for predicting game outcomes that is then used for predicting which team will be champion and which stages a team will reach in the playoffs. We show that our approach has a similar performance as the odds from betting companies and does better than ELO.

Wang, Chunyan,1972-Linköpings universitet,Institutionen för datavetenskap,Tekniska fakulteten(Swepub:liu)chuwa52 (författare)
Carlsson, Niklas,1977-Linköpings universitet,Databas och informationsteknik,Tekniska fakulteten,IDA/ADIT(Swepub:liu)nikca89 (författare)
Lambrix, Patrick,Professor,1965-Linköpings universitet,Databas och informationsteknik,Tekniska fakulteten,Swedish e-Science Research Centre, Stockholm, Sweden,IDA/ADIT(Swepub:liu)patla00 (författare)
Linköpings universitetInstitutionen för datavetenskap (creator_code:org_t)

Ingår i:Machine Learning and Data Mining for Sports AnalyticsCham, Switzerland : Springer, s. 129-14297830310204389783031020445

Av författaren/redakt...: González Dos San ...; Wang, Chunyan, 1 ...; Carlsson, Niklas ...; Lambrix, Patrick ...

Om ämnet

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.