用于动态成对比较建模的高斯过程先验

Martin Ingram

用于动态成对比较建模的高斯过程先验

应用统计 2019-02-21 v1 机器学习机器学习

作者: Martin Ingram

摘要

动态成对比较模型,如Elo和Glicko,常用于体育预测以及对球员或球队排名。我们提出了一种替代性的动态成对比较模型,该模型使用高斯过程(GP)作为时间动态的先验,而非通常假设的马尔可夫动态。此外,我们展示了GP模型可以轻松纳入协变量。我们基于拉普拉斯近似和稀疏线性代数推导了一种高效的近似贝叶斯推断过程。我们通过贝叶斯优化最大化边际似然来选择超参数,并将结果与随机搜索进行比较。最后,我们在2018赛季ATP网球比赛上拟合和评估该模型,其表现具有竞争力,在log loss上优于Elo和Glicko,尤其在纳入场地协变量时。

关键词

动态成对比较高斯过程先验贝叶斯推断拉普拉斯近似贝叶斯优化体育排名网球比赛

引用

@article{arxiv.1902.07378,
  title  = {Gaussian Process Priors for Dynamic Paired Comparison Modelling},
  author = {Martin Ingram},
  journal= {arXiv preprint arXiv:1902.07378},
  year   = {2019}
}

备注

Code is available here: https://github.com/martiningram/paired-comparison-gp-laplace

用于动态成对比较建模的高斯过程先验

摘要

关键词

引用

备注

相关论文