体育中的机器学习：使用可解释模型预测排球比赛结果的案例研究
机器学习
2022-06-22 v1 人工智能
摘要
机器学习已成为包括体育在内的多个领域中工程设计和决策制定的组成部分。深度神经网络 (DNN) 一直是预测职业体育赛事结果的最先进方法。然而，除了对这些体育赛事结果进行高精度预测外，还需要回答诸如“为什么模型预测 A 队会赢得与 B 队的 X 比赛？”之类的问题。DNN 本质上是黑箱模型。因此，需要为体育领域的模型预测提供高质量、可解释且易于理解的解释。本文探索了一种两阶段的可解释人工智能 (XAI) 方法来预测巴西排球超级联赛 (SuperLiga) 的比赛结果。在第一阶段，我们直接使用可解释的基于规则的机器学习模型，这些模型基于布尔规则列生成 (BRCG；提取简单的 AND-OR 分类规则) 和逻辑回归 (LogReg；允许估计特征重要性分数) 提供对模型行为的全局理解。在第二阶段，我们构建了非线性模型，例如支持向量机 (SVM) 和深度神经网络 (DNN)，以获得对排球比赛结果的预测性能。我们使用 ProtoDash（一种在训练数据集中寻找与测试实例最相似的原型的方法）和 SHAP（一种估计每个特征对模型预测贡献的方法）为每个数据实例构建“事后”解释。我们使用忠实度指标评估 SHAP 解释。我们的结果证明了模型预测解释的有效性。
引用
@article{arxiv.2206.09258,
title = {Machine Learning in Sports: A Case Study on Using Explainable Models for Predicting Outcomes of Volleyball Matches},
author = {Abhinav Lalwani and Aman Saraiya and Apoorv Singh and Aditya Jain and Tirtharaj Dash},
journal= {arXiv preprint arXiv:2206.09258},
year = {2022}
}
备注
9 pages, 1 figure, accepted to 2nd International Conference on Sports Engineering (ICSE 2021)