重新审视 PlayeRank
机器学习
2024-10-29 v1
摘要
在本文中，我们修订了由 Pappalardo 等人于 2019 年设计并评估的名为 PlayeRank 的足球表现评分。首先，我们分析了从线性支持向量机（SVM）中提取的权重，该 SVM 解决了“哪一组事件对赢得比赛的机会影响更大”的分类问题。在这里，我们注意到先前发表的结果在训练阶段包含了进球事件，这导致了不一致性。我们修正了这些不一致性，并展示了能够解决相同问题的新权重。遵循最强球队应始终赢得比赛的直觉，我们将球队质量定义为参与比赛的平均球员数。我们表明，使用原始 PlayeRank，在 94.13% 的比赛中，强队击败弱队，或者如果评分相似则两队平局。最后，我们提出了一种使用修改后的免费分析工具以在线方式使用 PlayeRank 的方法。计算这个修改版本的 PlayeRank，我们对一场真实足球比赛每五分钟进行一次在线分析。在这里，我们与专家和教练评估了该信息的实用性，并得出结论：获得的数据确实提供了教练在比赛期间无法获得的实用信息。
引用
@article{arxiv.2410.20038,
title = {Revisiting PlayeRank},
author = {Louise Schmidt and Cristian Lillo and Javier Bustos},
journal= {arXiv preprint arXiv:2410.20038},
year = {2024}
}