基于随机森林的对抗性事件群比赛转折点预测模型
机器学习
2024-06-04 v2
摘要
目前，与对抗性事件群比赛相关的预测研究大多集中在比赛结果的预测上，而对比赛过程的预测较少，这无法在实际比赛中实时反馈运动员的状态信息，从而无法分析比赛态势的变化。为了解决这一问题，本文提出了一种基于随机森林的对抗性事件群比赛转折点预测模型。首先，提出了竞争势能的量化方程；其次，利用动态组合权重法得到竞争势能的量化值，并根据量化时间序列图标记对抗性事件群比赛态势的转折点；最后，建立了基于KM-SMOTE算法和网格搜索方法优化的随机森林预测模型。实验分析表明：竞争势能的量化方程能有效反映比赛的动态态势；该模型能有效预测对抗性事件群比赛态势的转折点，模型在测试集上的召回率为86.13%；该模型对未来对抗性事件群比赛态势的研究具有一定的意义。
引用
@article{arxiv.2405.20029,
title = {A Random Forest-based Prediction Model for Turning Points in Antagonistic Event-Group Competitions},
author = {Zishuo Zhu},
journal= {arXiv preprint arXiv:2405.20029},
year = {2024}
}