論文の概要: Combining Machine Learning and Human Experts to Predict Match Outcomes in Football: A Baseline Model

• arxiv url: http://arxiv.org/abs/2012.04380v1
• Date: Tue, 8 Dec 2020 11:52:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-17 07:13:58.652096
• Title: Combining Machine Learning and Human Experts to Predict Match Outcomes in Football: A Baseline Model
• Title（参考訳）: 機械学習と人間専門家を組み合わせてフットボールにおける試合結果を予測する:ベースラインモデル
• Authors: Ryan Beal, Stuart E. Middleton, Timothy J. Norman, Sarvapali D. Ramchurn
• Abstract要約: サッカーの試合における試合結果予測のための新しいアプリケーション指向ベンチマークデータセット(soccer)を提案する。 我々のデータセットは、イングランド・プレミアリーグの6シーズンにわたる代表的時期に焦点を当てており、ガーディアン紙の新聞試合プレビューも含んでいる。 本論文で示したモデルは,従来の統計手法の6.9%向上を示す63.18%の精度を達成した。
• 参考スコア（独自算出の注目度）: 14.121432441882895
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we present a new application-focused benchmark dataset and results from a set of baseline Natural Language Processing and Machine Learning models for prediction of match outcomes for games of football (soccer). By doing so we give a baseline for the prediction accuracy that can be achieved exploiting both statistical match data and contextual articles from human sports journalists. Our dataset is focuses on a representative time-period over 6 seasons of the English Premier League, and includes newspaper match previews from The Guardian. The models presented in this paper achieve an accuracy of 63.18% showing a 6.9% boost on the traditional statistical methods.
• Abstract（参考訳）: 本稿では,ゲーム・オブ・フットボール(soccer)におけるマッチ結果予測のための,新たなアプリケーション指向ベンチマークデータセットとベースライン自然言語処理と機械学習モデルの結果について述べる。 これにより,人間スポーツジャーナリストの統計的マッチングデータと文脈的記事の両方を活用することができる予測精度の基準を与える。 我々のデータセットは、イングランド・プレミアリーグの6シーズンにわたる代表的時期に焦点を当てており、ガーディアン紙の新聞試合プレビューも含んでいる。 本稿では,従来の統計手法を6.9%向上させた63.18%の精度を実現する。

関連論文リスト

• Ensembling Finetuned Language Models for Text Classification [55.15643209328513]
  ファインタニング(英: Finetuning)は、特定のタスクに事前訓練されたモデルを適用するために、様々なコミュニティで一般的なプラクティスである。 ニューラルネットワークのアンサンブルは、通常、パフォーマンスを高め、信頼性の高い不確実性推定を提供するために使用される。 6つのデータセット上の5つの大きめのモデルから予測されたメタデータセットを提示し、異なるアンサンブル戦略の結果を報告する。
  論文  参考訳（メタデータ） (2024-10-25T09:15:54Z)
• MatchTime: Towards Automatic Soccer Game Commentary Generation [52.431010585268865]
  観客の視聴体験を改善するために,自動サッカーゲーム解説モデルの構築を検討する。 まず、既存のデータセットでよく見られるビデオテキストのミスアライメントを観察し、49試合のタイムスタンプを手動でアノテートする。 第2に,既存のデータセットを自動的に修正・フィルタリングするマルチモーダル時間アライメントパイプラインを提案する。 第3に、キュレートされたデータセットに基づいて、MatchVoiceという自動コメント生成モデルをトレーニングします。
  論文  参考訳（メタデータ） (2024-06-26T17:57:25Z)
• Machine Learning for Soccer Match Result Prediction [0.9002260638342727]
  本章では、利用可能なデータセット、モデルと機能のタイプ、モデルパフォーマンスを評価する方法について論じる。 本章の目的は,サッカーの試合結果予測のための機械学習の現状と今後の展開について概説することである。
  論文  参考訳（メタデータ） (2024-03-12T14:00:50Z)
• 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)
• League of Legends: Real-Time Result Prediction [0.0]
  本稿では,機械学習技術を用いて,電子ゲームリーグ・オブ・レジェンド(LoL)の試合結果の予測について検討する。 様々なモデルが評価され、その結果が奨励された。 この研究は、電子ゲームに応用された機械学習の分野に寄与し、League of Legendsにおけるリアルタイム予測に関する貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2023-09-02T02:01:51Z)
• Prediction of Handball Matches with Statistically Enhanced Learning via Estimated Team Strengths [0.0]
  ハンドボールゲームを予測するため,統計的に強化された学習モデル(別名SEL)を提案する。 SELで強化された機械学習モデルは、80%以上の精度で最先端のモデルより優れています。
  論文  参考訳（メタデータ） (2023-07-20T00:50:26Z)
• Supervised Learning for Table Tennis Match Prediction [2.7835697868135902]
  本稿では,テーブルテニスシングルマッチの結果を予測するために機械学習を用いることを提案する。 我々は,プレイヤーとマッチング統計を特徴として用いて,その相対的重要性をアブレーション研究で評価する。 結果は将来の卓球予測モデルのベースラインとして機能し、同様の球技の予測研究にフィードバックすることができる。
  論文  参考訳（メタデータ） (2023-03-28T17:42:13Z)
• GCN-WP -- Semi-Supervised Graph Convolutional Networks for Win Prediction in Esports [84.55775845090542]
  本稿では,グラフ畳み込みネットワークに基づくエスポートに対する半教師付き勝利予測モデルを提案する。 GCN-WPはマッチとプレーヤに関する30以上の機能を統合し、近隣のゲームを分類するためにグラフ畳み込みを使用している。 本モデルは,LLの機械学習やスキル評価モデルと比較して,最先端の予測精度を実現する。
  論文  参考訳（メタデータ） (2022-07-26T21:38:07Z)
• Explainable expected goal models for performance analysis in football analytics [5.802346990263708]
  本報告では,2014-15年と2020-21年の7シーズンから315,430発のショットをトレーニングした,欧州サッカーリーグのトップ5のゴールモデルを提案する。 我々の知る限りでは、この論文は、プロファイルを集約した説明可能な人工知能ツールの実用的な応用を実証した最初の論文である。
  論文  参考訳（メタデータ） (2022-06-14T23:56:03Z)
• 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)
• Learning Dynamic Belief Graphs to Generalize on Text-Based Games [55.59741414135887]
  テキストベースのゲームをプレイするには、自然言語処理とシーケンシャルな意思決定のスキルが必要である。 本研究では,原文からエンドツーエンドに学習したグラフ構造化表現を用いて,エージェントがテキストベースのゲームでどのように計画・一般化できるかを検討する。
  論文  参考訳（メタデータ） (2020-02-21T04:38:37Z)

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。