基于温布尔登公开赛2023赛事数据的动量捕捉与预测系统
机器学习
2024-08-06 v1 应用统计
摘要
网球中存在一种看不见、摸不着的隐藏能量。它是控制比赛流程的力量，存在于所有类型的比赛中。这种神秘的力量即为动量。本研究引入了一个评估模型，将熵权法（EWM）与灰色关联分析（GRA）相结合，用于量化动量对比赛结果的影响。经验验证通过 Mann-Whitney U 检验和 Kolmogorov-Smirnov 检验进行，分别得到 p 值为 0.0043 和 0.00128。这些结果强调了动量变化与比赛结果之间的非随机关联，凸显了动量在网球中的关键作用。此外，本研究的重点在于创建一个预测模型，将先进的机器学习算法 XGBoost 与 SHAP 框架相结合。该模型能够以极高的准确率精确预测比赛逆转（多场比赛为 0.999013，决赛为 0.992738）。模型识别特定因素对比赛动态影响的能力，例如分内双方跑动距离，展示了其强大实力。模型的泛化能力通过来自四大满贯赛事的数据集进行了全面评估。结果表明其具有显著的适应不同比赛场景的能力，尽管预测准确率存在微小差异。它提供了有助于球员有效应对对手动量变化的战略洞察，从而增强其竞争优势。
引用
@article{arxiv.2408.01544,
title = {Momentum Capture and Prediction System Based on Wimbledon Open2023 Tournament Data},
author = {Chang Liu and Tongyuan Yang and Yan Zhao},
journal= {arXiv preprint arXiv:2408.01544},
year = {2024}
}