谁期待的？基于技能调整的 NHL 投手和守门员的预期目标得分模型

本研究概述了一款轻量级梯度提升模型，用于预测 NHL 中的射门结果。该模型利用 NHL 的时空数据，以考虑投手和守门员的技能。该方法涉及为不同投手和守门员技能方面隔离并工程化特征。这些方面包括整体技能、位置技能——使用此前由 Shuckers 和 Curro 所述的射门分箱技术工程化，以及情境技能——使用 Gower 距离进行工程化。根据投手和守门员技能，创建了三个独立的数据集。对于每个数据集，都创建了基线模型，以便比较和对比其性能与技能调整模型。本研究中看到的结果显示，技能调整模型相对于基线模型在对数损失、Brier 评分和ROC曲线下面积方面的性能提升，最高可达5%，并优于以前尝试仅考虑球员技能的工作。这突显了在考虑球员和守门员技能的同时，也要考虑其技能的不同方面，以及未来工作中，技能调整的预期得分模型可能为关注其他比赛方面（如得分领袖或单场比赛结果）的模型提供帮助。