基于比赛解说文本回归模型评估 ODI 板球击球手的影响力
机器学习
2023-02-23 v1
摘要
板球,这项“绅士的运动”,是一项在全球崛起的重要体育运动。由于该项运动竞争日益激烈,球员与球队管理在其策略上已变得更加专业。先前的研究预测个人表现或挑选最佳阵容,却未凸显击球手的潜力。另一方面,我们的研究旨在评估球员在各种情形下的影响力,同时考量其掌控力。本文试图通过确定球员对情形的掌控程度并提出我们新提出的度量“有效跑分”(Effective Runs),来理解这一影响力表现背后的谜题。我们首先从开源数据集收集基础板球数据;然而,诸如场地、天气与掌控力等变量并非所有比赛都易得。因此,我们通过分析比赛摘要的解说构建了我们的语料数据。这使我们深入了解了特定比赛的天气与场地条件。此外,通过解说逐球检视,我们得以确定击球手击球时的掌控力。我们收集了截至 2022 年 2 月三位著名板球球员 Rohit G Sharma、David A Warner 与 Kane S Williamson 的完整一日国际赛(One Day International)生涯数据。最后,为制备数据集,我们对数据集进行编码、缩放与划分以训练和测试机器学习算法。我们对每位球员的数据分别使用多元线性回归(MLR)、多项式回归、支持向量回归(SVR)、决策树回归与随机森林回归进行训练并预测球员对比赛的影响力。多元线性回归与随机森林分别给出了 90.16% 与 87.12% 的最佳预测准确率。
引用
@article{arxiv.2302.11172,
title = {Impact of a Batter in ODI Cricket Implementing Regression Models from Match Commentary},
author = {Ahmad Al Asad and Kazi Nishat Anwar and Ilhum Zia Chowdhury and Akif Azam and Tarif Ashraf and Tanvir Rahman},
journal= {arXiv preprint arXiv:2302.11172},
year = {2023}
}