用于识别职业足球运动员市场价值的可解释人工智能模型
机器学习
2023-11-27 v2 计算机与社会
计算金融
摘要
本研究引入一种先进的机器学习方法，用于预测足球运动员的市场价值，结合集成模型与 Shapley Additive Explanations (SHAP) 以实现可解释性。利用来自 Sofifa 约 12,000 名球员的数据，Boruta 算法精简了特征选择。Gradient Boosting Decision Tree (GBDT) 模型在预测精度上表现优异，R 平方为 0.901，均方根误差 (RMSE) 为 3,221,632.175。技能、体能和认知领域的球员属性对市场价值有显著影响。这些洞见有助于体育行业利益相关者进行球员估值。然而，本研究存在局限性，例如低估了超级球星的价值，且需要更大数据集。未来研究方向包括增强模型的适用性并探索不同情境下的价值预测。
引用
@article{arxiv.2311.04599,
title = {Explainable artificial intelligence model for identifying Market Value in Professional Soccer Players},
author = {Chunyang Huang and Shaoliang Zhang},
journal= {arXiv preprint arXiv:2311.04599},
year = {2023}
}
备注
13pages, 6figures