Fans verwenden AI, um F1 -Match -Ergebnisse vorherzusagen, und die Software wird nur schlauer werden

Vor dem Grand Prix -Wochenende teilen die meisten von uns gerne Vorhersagen oder versuchen zu erraten, wer am Sonntag die Nummer eins sein wird. Die Datenwissenschaftlerin Mariana Antaya unterhielt sich weiter und baute ein Modell für maschinelles Lernen auf, um zu versuchen, die F1 -Wettbewerbsergebnisse vorherzusagen. Ihr Model wurde zu Recht als Gewinner der drei Grand Prixes in dieser Saison genannt.

“Ich bin ein sehr großer Formel -1 -Fan”, sagte Antaya, während ich mit Motorsport.com sprach. „Maschinelles Lernen und all diese Algorithmen werden in der Tat von der Formel des Teams weit verbreitet. Ich glaube nicht, dass so viele Menschen davon wissen, aber Rennarbeiter verwenden diese Strategie in Echtzeit.

“Daher möchte ich versuchen, den Gewinner als eine lustige Übung vorherzusagen, nur um zu sehen, wie großartig wir mit den verfügbaren Daten bekommen können.”

Dazu begann Antaya, ihr eigenes Modell zu bauen. Antaya zielt darauf ab, die 2024 -Spielergebnisse mit 2025 qualifizierten Leistungen mit der Qualifikation von 2025 zu vergleichen, dank der Unified Times (Australian Grand Prix) beim letztjährigen Australian Grand Prix (FASTF1 API -Daten Store).

Nachdem der Anfänger aus dem Programm entfernt worden war, gab Antaya zu, dass dies ein Faktor für ihre „Intervention“ war, da es keine Daten gab, die zu kämpfen hatten, und sie begann, ihr eigenes Modell zu trainieren. Antaya benutzte das Gradient Boost -Tool, um die Rundenzeit des Albert Park -Rennens vorherzusagen, und ihr Plan wurde richtig ausgewählt Lando Norris Als Gewinner.

“Ich sagte am Ende des Videos, dass es offensichtlich ein einfaches Modell war, und ich wusste nicht, dass es richtig vorhersagen würde”, sagte Antaya. Von dort aus begann das Projekt, wie sich die F1 -Community versammelte, zu wachsen, um zu sehen, wie viele weitere Spiele Antaya richtig anrufen konnten.

“Ich hoffe, es ist ein Crowdsourcing -Typ”, fügte sie hinzu. “Alle Zuhörer können also sagen:” Ich möchte wirklich, dass Sie Wetterdaten in die IT einbeziehen “oder” Ich möchte wirklich, dass Sie Übungssitzungen in das Modell aufnehmen. ”

“Ich möchte, dass die Leute mir andere Funktionen erzählen, die sie dem Modell erweitern möchten, um es während der gesamten Saison zu verbessern.”

Und verbesserte sich, da maschinelle Lernmodelle den Gewinner des Spiels weiterhin korrekt vorhersagen. Dies bedeutet jedoch nicht, dass es perfekt ist, und Antaya fügt dem Programm jetzt weitere Datenpunkte hinzu, um die Genauigkeit zu verbessern.

„Mehr Daten zu haben, wird dem Modell helfen, mehr zu lernen und bessere Vorhersagen zu treffen“, erklärte sie. “Wenn Sie so viele Daten haben, denke ich, dass es sehr klein sein wird und es nicht in der Lage sein wird, so viel zu verstehen.”

Um die Denkweise seines eigenen Modells zu erweitern, fügte Antaya Wetterdaten vor dem japanischen Grand Prix hinzu, der während des Rennens Möglichkeiten für Niederschlag und Leichtathletik -Temperaturen beinhaltete. Darüber hinaus wird die Nasswetterleistung des Fahrers hinzugefügt, die das Programm verwendet, um korrekt vorherzusagen Max VerstappenGewinnen im Spiel.

Der nächste wichtige Schritt für das Modell besteht darin, den Saudi -Arabischen Grand Prix an diesem Wochenende zu leiten, als es in diesem Jahr die Leistung jedes Teams ausgebildet hat. Antaya erklärt, dass die zusätzlichen Daten ihr helfen werden, solche Teams wie diese zu verstehen McLaren Und Williams Machen Sie im Jahr 2025 einen Schritt nach vorne, während andere wie Red Bull schlechter abschneiden als im Jahr 2024.

„Jetzt werden wir ein umfassenderes Bild davon machen, wie sich die Autos und Teams abbauen“, erklärte sie.

“Überraschung” der Serie

Eine Reihe von Beiträgen auf Instagram Mit jedem aufeinanderfolgenden Upload hat Tiktok immer beliebter, und diese Clips erreichen sogar die Formel 1. Eine Handvoll Ingenieure des F1 -Teams haben sich nach Beginn des Uploads an Antaya gewandt, und jetzt freut sie sich darauf zu entdecken, wie nahe sie dem in der Serie verwendeten prädiktiven Modell ist.

“Ich war schockiert (auf die Antwort). Ich war wirklich überrascht”, sagte sie. “Ehrlich gesagt weiß ich nicht (wie das Team es getan hat). Ich wünschte, ich wüsste, dass es sich um eine schwarze Box handelte. Aber ich wünschte, ich würde es richtig machen oder so. Sie könnten komplexere Modelle und mehr Daten verwenden, aber sie haben sicherlich mehr Daten über das Auto.”

Hannah Schmitz, der wichtigste strategische Ingenieur bei Red Bull Racing

Fotograf: Peter Fox-Getty Images

Mit drei Fünfteln der Meisterschaft, die die richtige Vorhersage gewann, verließ sich Antaya nicht auf ihre Krone, weil sie den Kandidaten genauer machen wollte. Datenwissenschaftler sagen, sie wollte vor dem Grand Prix von Miami, um komplexere maschinelle Lernprozesse auszuprobieren, um die Genauigkeit seiner Vorhersagen zu verbessern und den durchschnittlichen absoluten Fehler des Modells zu verringern, was als durchschnittlicher Unterschied zwischen der Vorhersage des Modells und den Übereinstimmungsgebnissen angesehen werden kann.

Obwohl die Genauigkeit des Modells aufgrund anderer Datenpunkte und neuen Prozesse verbessert werden kann, weiß Antaya, dass es in der F1 immer unvorhersehbare Elemente geben wird.

“Ich denke, es wird immer eine solche Barriere geben”, fügte sie hinzu. “Es ist wirklich schwer zu sagen, dass es in dieser Runde Sicherheitsautos geben wird und das dann einige andere Ereignisse auslöst.

“Vielleicht können wir Daten über den Prozentsatz der Abstürze während des Spiels erhalten, was wir als eine weitere Funktion hinzufügen können. Aber es ist auch ein Sport, sodass wir nicht in die Zukunft schauen und weiterhin sehen können, was passiert.”