OpenFPL：一个开源预测方法与SOTA Fantasy Premier League服务相当
机器学习
2025-08-15 v1 人工智能
摘要
Fantasy Premier League通过从每一轮比赛中选择表现最佳的球员来吸引足球社区。准确的表现预测为参与者提供竞争优势，通过指导对球员结果的期望并减少球员选择的不确定性。然而，当前的高精度预测仅限于依赖专有数据且不透明其内部工作原理的商业服务。本文旨在通过 presenting OpenFPL，一种完全基于公共数据的开源Fantasy Premier League预测方法，来民主化对球员表现高精度预测的访问。OpenFPL由针对Fantasy Premier League和Understat数据（2020-21至2023-24四个赛季）进行位置特定集成模型组成，这些模型在2024-25赛季的数据上进行了 prospective测试，达到与领先商业服务相当的准确度。OpenFPL还在高回报球员（>2分）方面超越了商业基准，这些球员对排名提升最具影响力。这些发现适用于一、二、三轮预测时间范围，支持长期转账和策略规划，同时也可为最终日决策提供信息。
引用
@article{arxiv.2508.09992,
title = {OpenFPL: An open-source forecasting method rivaling state-of-the-art Fantasy Premier League services},
author = {Daniel Groos},
journal= {arXiv preprint arXiv:2508.09992},
year = {2025}
}
备注
Models and inference code are freely available at https://github.com/daniegr/OpenFPL