球员核：基于隐式球员贡献学习球队实力
机器学习
2016-09-06 v1 应用统计
摘要
在这项工作中，我们引起了人们对基于技能的比赛结果模型与高斯过程分类模型之间联系的注意。高斯过程视角提供了 a) 处理不确定性的原则性方法，以及 b) 通过核函数指定的丰富模型。利用这一联系，我们解决了预测国家队之间足球比赛结果的问题。我们开发了一种球员核，通过场上排兵布阵的球员将任意两场足球比赛联系起来。这使得共享从俱乐部之间比赛（大量可用）中获得的知识与国家队之间比赛（仅有限可用）中获得的知识成为可能。我们在 2008 年、2012 年和 2016 年欧洲杯决赛阶段赛事上评估了我们的方法。
引用
@article{arxiv.1609.01176,
title = {The Player Kernel: Learning Team Strengths Based on Implicit Player Contributions},
author = {Lucas Maystre and Victor Kristof and Antonio J. González Ferrer and Matthias Grossglauser},
journal= {arXiv preprint arXiv:1609.01176},
year = {2016}
}