基于机器学习方法估算NBA球员按场上表现所得的薪资占比
应用统计
2022-02-07 v3 机器学习
摘要
研究人员与从业者通常拟合线性模型，以根据球员场上表现预测NBA球员薪资。相反，我们关注球员薪资占比（相对于球队工资总额），首先筛选最重要的决定因素或统计数据（在联盟中的经验年数、出场比赛数等），然后利用这些变量，通过非线性的随机森林（Random Forest）机器学习算法预测球员薪资。我们对薪资预测进行了外部评估，从而避免了大多数论文中出现的过拟合现象。总体而言，利用2017—2019三个不同时期的数据，我们识别出能够实现非常令人满意薪资预测的重要因子，并得出有益结论。
引用
@article{arxiv.2007.14694,
title = {Estimating NBA players salary share according to their performance on court: A machine learning approach},
author = {Ioanna Papadaki and Michail Tsagris},
journal= {arXiv preprint arXiv:2007.14694},
year = {2022}
}
备注
19 pages