用于在线评级的简化卡尔曼滤波：一种通用方法
机器学习
2021-04-30 v1 机器学习
统计理论
统计理论
摘要
在本工作中，我们处理体育中的评级问题，即从观测到的比赛结果推断运动员/队伍的技术水平。我们关注在线评级算法，这类算法在每场新比赛后利用技术水平与比赛结果之间关系的概率模型来估计技术水平。我们提出一种贝叶斯方法，可视为一种近似卡尔曼滤波，且具有通用性：它可与任意技术水平-结果模型配合使用，并适用于个人与团体体育项目。我们展示了知名算法（如Elo、Glicko与TrueSkill算法）如何被视为我们所提通用方法的实例。为阐明贝叶斯方法相对于更简单解法获得收益的实际条件，我们使用合成与经验数据，通过数值例子对已知算法与新算法进行了批判性比较。
引用
@article{arxiv.2104.14012,
title = {Simplified Kalman filter for online rating: one-fits-all approach},
author = {Leszek Szczecinski and Raphaëlle Tihon},
journal= {arXiv preprint arXiv:2104.14012},
year = {2021}
}