BetAnalysis简单化了统计数据获取和训炼/检测深度学习分类器，

人们处理并克服了4个主要困难:

1艰难的统计数据获取

尽管挑选的特点必须获取简易的信息内容，它的信息内容储存在不可以简易地根据连接浏览javascript。

必须发出请求变更网页布局便于能够进行剖析这一难题根据运用简单化全过程的selenium库。

2合理布局变动

工作中，BetAnalysis合理布局出现了改变这一艰难被摆脱了调节编码以融入新合理布局。

3特点评定

因为只应用了好多个分类器，因此没办法评定每一特点的必要性。

此外，没有方法选择最重要的一次。这个问题有待解决，在未来，通过研究分类器的结果，

使用较少/其他/修改过的特征，并应用各种方法，如套索。

4分类器评定

现阶段尚未清晰怎样对BET企业开展归类这一难题要在寻找更强的分类器的将来。

結果以下：

1、包括9个特点和640个另一半的uci数据集；

2、用以简易统计数据获取的脚本制作；

3、运用深度学习分类器；

4、等级分类結果60%左右。

我们仍在进一步科学研究:

此项工作中近期才刚开始，尽管早已获得了一些成效，

可是运用深度学习开展足球赛预测也有很长的路要走，

人们进一步科学研究的方位是：

1、持续转变的统计数据。根据这一人们能够掌握uci数据集的尺寸、特点的总数及其特点公式计算。

2、训炼和检测分类器。由于现阶段只能学术研究分类法被检测过，

因此必须运用别的方式 ，如支持向量机和Logistic重归。

3、调节最好分类器这代表要不依据把不一样的量词组成起來。

4、战胜BET公司是我们的终极目标，重要是要寻找一个可以根据押注盈利的优化算法。

如前所述，试着建立一个实体模型，取得成功预测之前有过体育比赛。

关于足球的一项科学研究人们提供了与当今相近的方式 ，学习培训在此项科学研究中，对3个时节开展了检测，

发觉每一时节常有不一样的特点有更关键的实际意义，这代表要不足球是一个不平稳的手机游戏，

要不是最优化的特点接近科学研究发觉的特点中间。

另一项科学研究证实，英国足球赛能够精确地应用回归模型中的特点模型还发觉简易的逻辑性，

与一些更繁杂的取代计划方案对比，该实体模型能够保持一样精确的预测。

殊不知，全部所述的科学研究全是长期性的，沒有充分考虑第三个要素另一方面，

此项科学研究关心的是一个沒有赛事限定的独特体育文化同盟仅在本同盟-别的同盟的足球运动员的考试成绩还要考虑到以内，

因而此项科学研究的結果即将更为精确。

深度学习方式 能够运用于不一样的行业，包含田径运动有关英超联赛的得出结论，

BetAnalysis足球分析软件找到了一个核心算法来预测精密度超出60%的足球比赛。而且也有许多工作中要做科学研究将继续进行。