Fußballspiele vorherzusagen kann vielleicht als Volkssport beschrieben werden: Angebote zum Tippen gibt es zuhauf und manche sehen die Chance auf das große Geld. Grund genug selbst eine Vorhersage zu treffen und vielleicht sogar Geld beim Tippen zu gewinnen. 1. Daten einlesen Als erstes laden wir die benötigten Libraries und die notwendigen Daten: library (httr) library (jsonlite) library (dplyr) library (tidyr) library (stats) ## 1. Daten aufbereiten jahre <- c( 2022 , 2023 , 2024 , 2025 ) all_seasons_data <- data.frame() for (k in 1 :length (jahre)) { url <- paste0( "https://api.openligadb.de/getmatchdata/bl1/" , jahre[k]) res <- GET(url) json_text <- content(res, "text" , encoding = "UTF-8" ) #Text extrahieren, in dataframe umwandeln temp_df <- fromJSON(json_text, flatten = TRUE ) all_seasons_data <- bind_rows(all_seasons_data, temp_df) Sys.sleep ( 0.2 ) #verlangsamen, damit sich der loop nicht selbst stört } df_...
Ein Scoring-Modell via Copilot entwickeln: das wäre doch eine super Gelegenheit, die Praxistauglichkeit und Intelligenz des Microsoft-Sprachmodells zu testen. Im Folgenden der Prompt: Die Antwort ist ein bisschen ausführlicher, wichtig für uns ist vor allem die folgende Tabelle: Der nächste Schritt ist nun natürlich das ganze zu testen. Eine Logisitkfirma ist via Internetsuche schnell gefunden: es ist eine kleine Firma im Raum Stuttgart. Mir geht es aber nicht um die Firma sondern um das Scoring-Modell, weswegen ich die Firma hier unbenannt lasse. Los geht´s mit dem Scoring! Eigenkapitalquote: Hier müssen wir das Unternehmensregister anziehen (der Bundesanzeiger ist veraltet). Der aktuellste Abschluss ist jener vom Geschäftsjahr 2023. Wir finden ein sehr konservatives (schwäbisches) Unternehmen vor mit der Eigenkapitalquote = Eigenkapital / Summe Passiva = 96,6% -> 25 Punkte Liquidität: Current Ratio = Umlaufvermögen / kurzfristige Verbindlichkeiten = 14,86 -> 20 Punkte Unterneh...