मैं उन बाधाओं की भविष्यवाणी कैसे कर सकता हूं जो एक डॉजबॉल टीम अपने खिलाड़ियों के जीतने के इतिहास के आधार पर जीतने वाली है?


13

कल्पना कीजिए कि दुनिया में 80 डॉजबॉल खिलाड़ी हैं। उनमें से प्रत्येक ने कम-से-कम यादृच्छिक क्रम में अन्य 79 खिलाड़ियों के साथ हजारों डॉजबॉल खेल खेले हैं। यह टीमों के बिना एक दुनिया है (उदाहरण के लिए, प्रत्येक खिलाड़ी को प्रत्येक खेल में किसी भी टीम में ड्राफ्ट किए जाने का मौका है)। मुझे पता है कि प्रत्येक खिलाड़ी की पिछली जीत दर (उदाहरण के लिए, एक ने पिछले सभी गेमों में से 46% जीती है, दूसरे ने अपने सभी गेमों में से 56% जीती है)। कहते हैं कि एक मैच आ रहा है और मुझे पता है कि प्रत्येक टीम में कौन खेल रहा है। मुझे उनकी पिछली जीत दर भी पता है।

टीम की संरचना के आधार पर जीतने वाली प्रत्येक टीम की संभावना की गणना करने का सबसे अच्छा तरीका क्या है?

यदि इसे अपेक्षाकृत उन्नत गणना की आवश्यकता होती है (उदाहरण के लिए, लॉजिस्टिक प्रतिगमन) मुझे कुछ बारीकियों के बारे में बताएं। मैं SPSS से बहुत परिचित हूं, लेकिन मुझे फॉलो-अप प्रश्न पूछने की आवश्यकता नहीं है।

इसके अलावा, मैं अभिलेखीय डेटा का उपयोग करके अपने तरीके की सटीकता का पता कैसे लगाऊंगा? मुझे पता है कि यह स्पष्ट नहीं होगा क्योंकि अधिकांश खिलाड़ी 40-60% के आसपास मंडराते हैं, लेकिन फिर भी।

विशिष्ट होने के लिए, जो ए टीम जीतने वाली है, वह क्या है?

ए - पिछली जीत दर वाले व्यक्तियों में ५२%, ५४%, ५६%, ५%%, ६०% बी - शामिल थे, जिसमें पिछली जीत की दर ४ 48%, ५५%, ५६%, ५ 58%, ६०% थी।

(यह निदर्शी उद्देश्यों के लिए सिर्फ एक यादृच्छिक उदाहरण है। दो बहुत अच्छी टीमें।)

संपादित करें: क्या एक बहुत ही सरल एल्गोरिथ्म के साथ शुरू करने का एक तरीका है और फिर देखें कि यह कैसे काम करता है? शायद हम प्रत्येक टीम के प्रतिशत को जोड़ सकते हैं और यह अनुमान लगा सकते हैं कि सबसे अधिक प्रतिशत वाला जीतने वाला है। बेशक हमारा वर्गीकरण सटीक नहीं होगा, लेकिन हजारों से अधिक संग्रहीत खेलों में हम देख सकते थे कि क्या हम संयोग से बेहतर भविष्यवाणी कर सकते हैं।



क्या यह औसत का साधारण विभाजन नहीं है? AvgTeam1WinP/ AvgTeam2WinP? यह उन बाधाओं को प्राप्त करना चाहिए जो team1खिलाफ जीतेंगी team2
पास्कलवूटन

जवाबों:


2

भोला बेयर्स के लिए एक नौकरी की तरह लगता है । मैं इसके पीछे के सिद्धांत को काफी नहीं समझता, दुर्भाग्य से मैं आपको एक उदाहरण नहीं दे सकता, लेकिन यह बेयस ज्ञात (अभिलेखीय) डेटा के साथ काम करता है, जिससे आप निष्कर्ष निकाल सकें।

मुझे लगता है कि बेयर्स केवल एसपीएसएस के स्टेटिस्टिक सर्वर में उपलब्ध है, इसलिए यदि आप इनमें से किसी एक की पहुंच रखते हैं तो आप भाग्य में हैं। वैकल्पिक रूप से आप वेका का उपयोग कर सकते हैं जिसमें अन्य क्लासिफायर का एक गुच्छा भी शामिल है, इसलिए हो सकता है कि आप अपना प्रयोग करें और हमें परिणामों के बारे में बताएं?

EDIT: बेयस और संबंधित क्लासिफायर भी खिलाड़ियों से खुद का इंफेक्शन खींच सकते हैं, जैसे। का स्कोर 65% है लेकिन जब और विपरीत टीमों में खेलते हैं, तो का प्रदर्शन 5% तक गिर जाता है।A B AAABA


आपकी टिप्पणी के लिए और आपके संपादन के लिए धन्यवाद। मुझे लगा कि बायेसियन या मशीन सीखने का तरीका सबसे अच्छा हो सकता है। दुर्भाग्य से मैं इन दृष्टिकोणों से अपेक्षाकृत अपरिचित हूं।
बेहकाड

2

क्या यह सही है कि आपके पास केवल उन प्रतिशत नहीं हैं, बल्कि सभी व्यक्तिगत गेम परिणाम भी हैं? तब मैं आर पैकेज PlayerRatings का सुझाव दूंगा। यह पैकेज न केवल खिलाड़ी की ताकत (एलो या ग्लिको जैसी एल्गोरिदम का उपयोग करके) की गणना करने जैसी समस्याओं से निपटता है, बल्कि ऐसे कार्यों की पेशकश करता है जो भविष्य के खेल के परिणामों की भविष्यवाणी कर सकते हैं।

उदाहरण के लिए जाँच करें: http://cran.r-project.org/web/packages/PlayerRatings/vignettes/AFLRatings.pdf


0

क्या यह औसत का साधारण विभाजन नहीं है? AvgTeam1WinP/ AvgTeam2WinP? यह उन बाधाओं को प्राप्त करना चाहिए जो team1खिलाफ जीतेंगी team2

यदि मैं निम्नलिखित पर विचार करता हूं:

यदि player1खिलाफ अदा कर सकता है player2"1-आदमी" टीमों में, आप सहमत होंगे कि बाधाओं कि PLAYER1 player2 के खिलाफ जीत जाएगा संभावना है कि PLAYER1 कि player2 (यादृच्छिक पर जीत इस के पाठ्यक्रम केवल रखती यादृच्छिक संभावना से विभाजित के खिलाफ जीतने के लिए होगा इस मामले में कि आप जीत के% को सटीक मानते हैं, जैसे कि उनकी विषम सीमा में), बस:

OddsP1VsP2 = WinProbabilityP1 / WinProbabilityP2 

यदि आप तर्क देते हैं कि कुछ खिलाड़ियों के भयानक होने का कोई परस्पर प्रभाव नहीं है और इस तरह स्कोर को अपेक्षा से अधिक नकारात्मक रूप से प्रभावित करते हैं *, या, कुछ खिलाड़ी वास्तव में स्कोर की अपेक्षा अधिक सकारात्मक प्रभाव डालते हैं, तो यह तर्कसंगत लगता है कि आप कर सकते हैं बस प्रत्येक टीम में प्रत्येक खिलाड़ी के लिए औसत संभावना लें।

* यदि 60%, 60%, 60%, 60% के संयोजन को 70%, 70%, 70%, 30% जैसी टीम से बेहतर माना जाता है, जहां एक खराब खिलाड़ी टीम के लिए खराब स्थिति का परिणाम होगा, हालांकि औसत समान हैं। अतिरिक्त परिकल्पना के बिना, उस विशेष प्रश्न को संबोधित किया जाना संभव नहीं है।

** इसी तरह, अगर 50,50,50,90 को 60,60,60,60 के बराबर नहीं माना जाता है, तो वही लागू होता है।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.