人工智能机器深度学习与大数据技术在足球比赛预测推荐分析上的深度挖掘和应用
足球作为世界第一大运动，也是最具影响力的体育项目。世界杯、欧洲杯，包括每年的五大联赛，成千上万的人成为它们的追逐者，因为热爱所以着迷。，经财政部批准，竞彩足球游戏在全国各地陆续上市，竞技体育的竞猜，作为市面上中奖率较高的游戏，吸引着大批爱好者。竞彩足球在国内发展至今已有10多年历史，在这10多年时间里，沉淀了大量的足球比分、足球赔率、足球盘口等赛事数据。在信息爆炸的大数据时代，数据就是价值。
与时俱进，运用大数据与AI人工智能技术结合起来，分析预测竞彩足球赛果概率事半功倍，实现智能一键分析，大大提高了分析效率与预测准确率。
实现思路：
1.数据方面：近各大赛事的进球数、让球等盘赔赛事数据。
2.分析技术：CURE，Chameleon和BIRCH等。
（1）凝聚法：将每个对象被认为是一个簇，然后不断合并相似的簇，知道达到一个令人满意的终止条件；
（2）分裂法：先把所有的数据归于一个簇，然后不断分裂彼此相似度最小的数据集，使簇被分裂成更小的簇，直到达到一个令人满意的终止条件。根据簇间距离度量方法的不同，可分为：最小距离、最大距离、平均值距离和平均距离等。
（3）AI智能：人工智能（Artificial Intelligence）、机器学习（Machine Learning）、深度学习（Deep Learning）。
（4）分析工具：来源于探球者网，感兴趣的可以百度搜索，开源。
俄超 PFC索治 3-0 比赛时间 : -08-16 23:59 -0.75 主让负 错
2.丹麦超 维积利 0-1 比赛时间 : -08-17 01:00 0.00 主让负 对
3.西乙 马拉加 0-0 比赛时间 : -08-17 02:00 -0.25 主让负 对
4.西乙 卡塔赫纳 1-3 比赛时间 : -08-17 04:00 0.00 主让负 对
5.葡超 比兰尼塞斯 1-2 比赛时间 : -08-17 04:15 -0.25 主让负 对
算法表现：
• high intra-class similarity 簇内高的相似度
• low inter-class similarity 簇间低的相似度
相似度的衡量标准是由距离函数d(i,j)表示，距离函数对于不同类型的问题一般不同。
