阵容正则化调整正负值 (L-RAPM)：基于信息先验的篮球阵容评分
机器学习
2026-01-22 v1
摘要
识别篮球及其他运动中协同表现良好的球员组合（即阵容），是体育分析中最重要的任务之一。与该任务相关的主要挑战之一是比赛中频繁的换人，这导致了高度稀疏的数据。具体而言，一支美国职业篮球联赛（NBA）球队在一个赛季中会使用超过 600 套阵容，这意味着平均每套阵容大约只在 25-30 个回合中上场。不可避免地，人们为这些阵容收集的任何统计数据都会存在噪声，且预测价值较低。然而，目前（至少在公开领域）还没有解决这一问题的现有工作。在这项工作中，我们提出了一种基于回归的方法，该方法在控制每套阵容所面对对手的同时，还利用了组成阵容的球员的信息。我们的实验表明，L-RAPM 比目前使用的基线方法提供了更好的预测能力，并且这种改进随着阵容样本量的减小而增加。
引用
@article{arxiv.2601.15000,
title = {Lineup Regularized Adjusted Plus-Minus (L-RAPM): Basketball Lineup Ratings with Informed Priors},
author = {Christos Petridis and Konstantinos Pelechrinis},
journal= {arXiv preprint arXiv:2601.15000},
year = {2026}
}
备注
7 pages, 4 figures