基于贝叶斯集成方法的足球运动员价值预测
机器学习
2022-06-28 v1 人工智能
信息检索
摘要
体育运动员的转会费已变得天文数字般高昂。这是因为引入具有巨大未来价值的球员对俱乐部的生存至关重要。我们基于FIFA数据分析,对影响全球顶级足球运动员转会费的关键因素进行了案例研究。为预测每位球员的市场价值,我们提出一种改进的LightGBM模型,利用树状Parzen估计器(TPE)算法优化其超参数。我们通过SHapley加性解释(SHAP)算法识别显著特征。所提方法与基线回归模型(如线性回归、lasso、弹性网络、核岭回归)以及未做超参数优化的梯度提升模型进行了比较。在RMSE方面,优化后的LightGBM模型相较回归基线模型、GBDT和LightGBM模型分别平均展现出约3.8、1.4和1.8倍的优异精度。我们的模型在未来招募球员时俱乐部应考虑哪些属性方面提供了可解释性。
引用
@article{arxiv.2206.13246,
title = {Prediction of Football Player Value using Bayesian Ensemble Approach},
author = {Hansoo Lee and Bayu Adhi Tama and Meeyoung Cha},
journal= {arXiv preprint arXiv:2206.13246},
year = {2022}
}
备注
17 pages, 4 figures, 6 tables, will be published in Journal of Expert Systems with Applications