Boulder2Vec: 建模专业攀石比赛中的攀登者表现
机器学习
2024-11-11 v2
摘要
我们利用2008年至2022年专业攀石比赛的数据训练逻辑回归模型以预测攀登者结果并衡量攀登者技能。然而，该方法存在局限性，因为每个攀登者单一的数值系数无法充分捕捉攀登者在不同攀石问题中各异的优势和劣势的复杂性。例如，一些攀登者可能偏好更静态、技术性的路线，而其他攀登者可能擅长力量型、动态性问题。为此，我们将推荐系统中常用的概率矩阵分解（PMF）框架应用于表示攀登者和问题的独特特征，用潜在的多维向量。在该框架中，攀登者在给定问题上的表现通过对应的攀登者向量与问题向量的点积来预测。PMF有效处理稀疏数据集，例如我们的数据集中每个特定问题仅有部分攀登者尝试，通过从相似攀登者中外推模式。我们对比了PMF与逻辑回归方法的经验性能，并研究了PMF产生的多变量表示以深入了解攀登者特征。结果表明，多变量PMF表示通过同时捕捉攀登者的整体实力和专项技能集，提升了专业攀石比赛的预测性能。我们在https://github.com/baronet2/boulder2vec开源了代码。
引用
@article{arxiv.2411.02343,
title = {Boulder2Vec: Modeling Climber Performances in Professional Bouldering Competitions},
author = {Ethan Baron and Victor Hau and Zeke Weng},
journal= {arXiv preprint arXiv:2411.02343},
year = {2024}
}