眼见为实！：利用人工筛选特征预测运动员表现
人机交互
2023-04-07 v1
摘要
预测运动员表现主要依赖统计数据。除传统数据外，包括视频在内的各类数据已可得。然而，利用它们进行深度学习具有挑战性，尤其在运动员数据集规模较小时。本研究提出一种基于有洞察力者所用标准的特征选择策略，可提升机器学习性能。我们的机器学习模型采用由正确评估运动员未来表现的人所选的特征。我们测试了一种策略，利用 LPGA 球员采访视频预测其次日表现。我们让研究参与者观看采访后预测球员次日成绩并说明原因。结合来自参与者的面部标志点运动特征与元数据，比单独使用各特征展现出更好的 F1-score。本研究表明人机协同（human-in-the-loop）模型可改进小数据集下算法表现。
引用
@article{arxiv.2304.03148,
title = {The Eyes Have It!: Using Human-Selected Features for Predicting Athletes' Performance},
author = {Jaeyoun You and Jinhan Choi and Ho-Jae Shin and Bongwon Suh},
journal= {arXiv preprint arXiv:2304.03148},
year = {2023}
}