从机器学习到统计学：美国橄榄球中的预期得分

预期得分是体育分析中衡量球员表现和制定战术决策的核心价值函数，尤其在美国橄榄球中应用广泛。传统做法使用机器学习工具进行估计，但这些方法面临选择偏差、过拟合导致反直觉结果、无法量化得分估计的不确定性，以及未考虑观测数据强依赖结构等问题。这些问题不仅限于橄榄球或体育分析，跨领域的统计分析中亦普遍存在。本文详述这些问题，并构建考虑这些因素的预期得分模型。我们还引入一种新颖的方法论，利用催化先验平滑机器学习模型，以缓解过拟合问题。