【不做调包侠】隐马尔可夫模型python实现(以2024美赛C数据为例)

这篇开学后会编辑得详细点

原理解释

1. 概念

• 马尔可夫链 Markov Chain: 对于状态空间 $S$ ,马尔可夫链定义了状态之间的转移概率。
  假设，当前时刻 $t$ 的状态为$q_t$ ,则下一个时刻 $t+1$ 的状态 $q_{t+!}$ 的条件概率 $P(q_{t+1}|q_t)$ 之于 $t$ 时刻状态有关
• 隐马尔可夫模型 Hidden Markov Model：HMM是在马尔可夫链的基础上引入了观察变量，同时状态变量不再直接观察到，而是通过观察变量的状态间接推断。HMM由一个隐藏的马尔可夫链和一个可见的输出序列组成。
  有点抽象是吧，可以参考这篇知乎，举了一个通俗易懂的例子https://zhuanlan.zhihu.com/p/151011287

结构

假设隐马尔可夫模型包含以下几个要素：

• 状态集合：S= {s1,s2,…,sn},n是状态数量
• 观察集合：O={o1,o2,…,om},m是观察值数量
• 转移概率矩阵：定义状态转移概率矩阵 $A$, $A_{ij}$表示从状态$s_i$转移到状态$s_j$的概率
• 发射概率：定义发射概率矩阵 $B$ ,$B_{ik}$表示在$s_i$状态下观察到$o_k$的概率
• 初始概率：定义初始状态概率向量 $p_0$ 初始概率$p_{0i}$表示系统初始时刻处于$s_i$的概率

代码实现

这里以2024美赛C题温网比赛数据为例（互联网上很容易找到）

简单的一个预处理

因为后续计算转移概率、获胜概率都会用到比分数据，这里将比分整理到一列

# 读取数据
data = pd.read_csv("Wimbledon_featured_matches.csv")
# 添加一列表示比赛积分状态（包括局分和盘分）
data['score_status'] = data['p1_games'].astype(str) + '-' + data['p2_games'].astype(str) + ' ' + data['p1_sets'].astype(str) + '-' + data['p2_sets'].astype(str) 
df[df['match_id']==df['match_id'][0]][['match_id','score_status']]

这里只分析第一场比赛，设置一下参数（也方便后续分析其他比赛调整这个参数）。将第一场比赛数据储存到df

match_1 = data.iloc[0]['match_id']
df = data[data['match_id']==match_1]

主体部分：

1. 马尔可夫链主要需要确定的就是转移概率矩阵，这里我们考虑从当前比分转移到下一比分的概率
   这里记得补充说明详细一点
   代码实现：

# 构建状态转移矩阵
def build_transition_matrix(df):
    transition_matrix : {tuple,dict}    # transition_matrix[this_state] = {nextstate1:p1, nextstate2:p2,.... }
    for i in range(len(df) - 1):
        row = df.iloc[i]
        next_row = df.iloc[i + 1]
        current_state = (row['player1'],row['score_status'],row['server'])
        next_state = (next_row['player1'], next_row['score_status'],row['server'])
        if current_state not in transition_matrix:
            transition_matrix[current_state] = {}
        if next_state not in transition_matrix[current_state]:
            transition_matrix[current_state][next_state] = 0
        transition_matrix[current_state][next_state] += 1
    # 将计数转换为概率
    for current_state, next_states in transition_matrix.items():
        total_transitions = sum(next_states.values())
        for next_state in next_states:
            transition_matrix[current_state][next_state] /= total_transitions
    return transition_matrix

transition_matrix = build_transition_matrix(df)
transition_matrix

3. 获胜概率：$p_{win}=(p_{w}in)/(p_{win}+p_{lose})$

   举个例子，当前比分为2-2时，下一比分只可能为2-3或3-2，此时player1获胜概率就为 $$p_{3-2}/(p_{2-3}+p_{3-2})$$

def calculate_win_prob(transition_matrix,player):
    win_prob = {}
    if player==1:
        player=2 #score state格式 5-2 1-1，str[2]提取player2比分
    for state in transition_matrix:
        # 运动员的胜率计算
        if state not in win_prob.keys():
            win_prob[state] = 0  # 初始化胜率为0
        win_score:int=0
        lose_score:int=0
        for next_state, prob in transition_matrix[state].items():
            if next_state[1][player]>state[1][player]:
                win_score+=prob
            else:
                lose_score+=prob
        print(win_score,lose_score)
        win_prob[state] = win_score/(win_score+lose_score)    
    return win_prob

win_prob1 = calculate_win_prob(transition_matrix,0)
win_prob2 = calculate_win_prob(transition_matrix,1)

结果展示

可视化第一场比赛双方获胜概率变化

数据的解释就自己发挥啦，我这里的的解释是双方获胜概率差距很大的时候（比如130-150区间），是一个赛点