破解黑箱：蒸馏深度体育分析
机器学习
2020-07-01 v4 机器学习
摘要
本文探讨了将深度学习应用于体育分析时准确性与透明性之间的权衡。神经网络通过深度学习实现了很高的预测准确性，并在体育分析中广受欢迎。但神经网络模型难以解释，更难以从其隐含知识中提取可操作的见解。因此，我们构建了一个简单且透明的模型，模仿原始深度学习模型的输出，并以显式可解释的方式表示所学知识。我们的模仿模型是一个线性模型树，它将一组线性模型与回归树结构相结合。神经网络的树版本实现了高保真度，可自我解释，并为运动员和教练等专家利益相关者产生见解。我们提出并比较了几种可扩展的模型树学习启发式方法，以应对来自数百万数据点数据集的计算挑战。
引用
@article{arxiv.2006.04551,
title = {Cracking the Black Box: Distilling Deep Sports Analytics},
author = {Xiangyu Sun and Jack Davis and Oliver Schulte and Guiliang Liu},
journal= {arXiv preprint arXiv:2006.04551},
year = {2020}
}
备注
Accepted by the 26th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2020); Added the tenth feature to Table 3 for soccer;