論文の概要: Estimating NBA players salary share according to their performance on court: A machine learning approach

• arxiv url: http://arxiv.org/abs/2007.14694v3
• Date: Sat, 31 Oct 2020 20:15:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-05 20:46:21.330953
• Title: Estimating NBA players salary share according to their performance on court: A machine learning approach
• Title（参考訳）: NBA選手の給与を法廷での成績に応じて見積もる-機械学習によるアプローチ
• Authors: Ioanna Papadaki and Michail Tsagris
• Abstract要約: 研究者や実践者は、裁判所での選手のパフォーマンスに基づいてNBA選手の給与を予測するために、線形モデルに適合することが慣例である。 まず、最も重要な決定要因や統計を選択することで、選手の給与共有に焦点を当てます。 次に,非線型ランダムフォレスト機械学習アルゴリズムを用いて,プレイヤーの給与を予測する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: It is customary for researchers and practitioners to fit linear models in order to predict NBA player's salary based on the players' performance on court. On the contrary, we focus on the players salary share (with regards to the team payroll) by first selecting the most important determinants or statistics (years of experience in the league, games played, etc.) and then utilise them to predict the player salaries by employing a non linear Random Forest machine learning algorithm. We externally evaluate our salary predictions, thus we avoid the phenomenon of over-fitting observed in most papers. Overall, using data from three distinct periods, 2017-2019 we identify the important factors that achieve very satisfactory salary predictions and we draw useful conclusions.
• Abstract（参考訳）: 研究者や実践者は、コート上での選手のパフォーマンスに基づいてnba選手の給与を予測するために線形モデルに適合することが慣例である。 逆に、まず最も重要な決定要因や統計(リーグでの年数、ゲームプレイなど)を選択して、非線形ランダムフォレスト機械学習アルゴリズムを用いてプレイヤーの給与を予測することで、プレイヤーの給与の分配(チームの給与に関するもの)に焦点を当てる。 給与予測を外部から評価するので、ほとんどの論文で見られている過剰フィット現象は避ける。 全体として、2017～2019年の3つの異なる期間のデータを用いて、非常に良好な給与予測を達成する重要な要因を特定し、有用な結論を導き出す。

関連論文リスト

• Collaborative-Enhanced Prediction of Spending on Newly Downloaded Mobile Games under Consumption Uncertainty [49.431361908465036]
  ラベルのばらつきと極端性を緩和する頑健なモデルトレーニングと評価フレームワークを提案する。 本フレームワークでは,ユーザIDに頼ることなく,ユーザのゲーム支出を予測するための協調型モデルを提案する。 当社のアプローチは、オフラインデータに対する注目すべき textbf17.11% の強化を実現し、プロダクションモデルよりも顕著に改善されていることを示す。
  論文  参考訳（メタデータ） (2024-04-12T07:47:02Z)
• Bayes-xG: Player and Position Correction on Expected Goals (xG) using Bayesian Hierarchical Approach [55.2480439325792]
  本研究は, 期待目標(xG)測定値を用いて, 目標となるショットの予測における選手や位置要因の影響について検討した。 StatsBombの公開データを使って、イングランドのプレミアリーグから1万発のショットを分析している。 この研究は、スペインのラ・リガとドイツのブンデスリーガのデータに分析を拡張し、同等の結果を得た。
  論文  参考訳（メタデータ） (2023-11-22T21:54:02Z)
• Understanding why shooters shoot -- An AI-powered engine for basketball performance profiling [70.54015529131325]
  バスケットボールは、プレイスタイルやゲームダイナミクスなど、多くの変数によって規定されている。 パフォーマンスプロファイルが様々なプレイスタイルを反映できることは重要です。 プレイヤのパフォーマンスプロファイルをタイムリーに可視化するツールを提案する。
  論文  参考訳（メタデータ） (2023-03-17T01:13:18Z)
• NBA2Vec: Dense feature representations of NBA players [0.0]
  本稿では,各プレーヤの高密度特徴表現を抽出するWord2Vecに基づくニューラルネットワークモデルであるNBA2Vecを提案する。 NBA2Vecは、2017年のNBAプレイオフシリーズの結果を正確に予測する。 NBA2Vec埋め込みの今後の応用は、プレイヤーのスタイルを特徴付けることで、プレイヤーの獲得とコーチング決定のための予測モデルに革命をもたらす可能性がある。
  論文  参考訳（メタデータ） (2023-02-26T19:05:57Z)
• Can a face tell us anything about an NBA prospect? -- A Deep Learning approach [0.0]
  画像解析と畳み込みニューラルネットワークを,各ドラフトクラスから新たに作成した選手のキャリア軌跡を予測するために展開する。 1990年以降のドラフト毎に,約1500枚の画像データからなるデータベースを構築した。 筆者らは,データ中の一般的な事前学習画像分類モデルを訓練し,新人選手のキャリアを確実に予測するモデルを作成するために,一連の実験を行った。
  論文  参考訳（メタデータ） (2022-12-13T18:36:29Z)
• JECC: Commonsense Reasoning Tasks Derived from Interactive Fictions [75.42526766746515]
  本稿では,人間のインタラクティブ・フィクション(IF)ゲームプレイ・ウォークスルーに基づく新しいコモンセンス推論データセットを提案する。 本データセットは,事実知識ではなく,機能的コモンセンス知識ルールの評価に重点を置いている。 実験の結果、導入したデータセットは、以前の機械読影モデルと新しい大規模言語モデルに難題であることが示されている。
  論文  参考訳（メタデータ） (2022-10-18T19:20:53Z)
• Combining Sequential and Aggregated Data for Churn Prediction in Casual Freemium Games [0.0]
  フリーミアムゲームでは、プレイヤーからの収益はアプリ内購入とプレイヤーが露出する広告から得られる。 このシナリオでは、プレーヤーがプレイをやめようとしているときにすぐに検出できることが極めて重要である。 本研究では, 逐次データと集約データを組み合わせることで, チャーン予測の最先端性を改善する方法について検討する。
  論文  参考訳（メタデータ） (2022-09-06T14:49:18Z)
• Machine Learning Modeling to Evaluate the Value of Football Players [0.0]
  本研究では,機械学習モデルの構築に基づく,現在のサッカー選手の価値を評価する新しい手法について検討する。 このプロジェクトで使用された選手のデータは、いくつかのサッカーウェブサイトにある。 その動機は、サッカー選手の異なる特徴と彼らの給与の関係を探ることである。
  論文  参考訳（メタデータ） (2022-07-22T22:34:52Z)
• Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
  チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。 提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。 次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
  論文  参考訳（メタデータ） (2022-03-10T02:37:39Z)
• Interpretable Real-Time Win Prediction for Honor of Kings, a Popular Mobile MOBA Esport [51.20042288437171]
  本研究では,2段階空間時間ネットワーク(TSSTN)を提案する。 実世界のライブストリーミングシナリオにおける実験結果と応用により,提案したTSSTNモデルは予測精度と解釈可能性の両方において有効であることが示された。
  論文  参考訳（メタデータ） (2020-08-14T12:00:58Z)
• Using Experts' Opinions in Machine Learning Tasks [0.0]
  機械学習タスクにおける専門家の洞察を活用するための一般的な3段階のフレームワークを提案する。 ケーススタディでは,カグル競技会の焦点となったNCAA男子バスケットボールの試合を予測するタスクを選択した。 その結果、過去のモデルの性能と高いスコアは偶然の結果であり、優れた性能と安定したモデルによるものではないことが示唆された。
  論文  参考訳（メタデータ） (2020-08-10T15:48:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。