論文の概要: Bisecting for selecting: using a Laplacian eigenmaps clustering approach
to create the new European football Super League
- arxiv url: http://arxiv.org/abs/2104.10125v1
- Date: Tue, 20 Apr 2021 17:12:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-21 16:13:40.345260
- Title: Bisecting for selecting: using a Laplacian eigenmaps clustering approach
to create the new European football Super League
- Title（参考訳）: bisecting for selection: using a laplacian eigenmaps clustering approach to creating the new european football super league
- Authors: A. J. Bond, C. B. Beggs
- Abstract要約: 欧州サッカーパフォーマンスデータを用いて、提案された欧州サッカースーパーリーグを構成するチームを選択する。
我々はフィールダーベクターを二分して、ヨーロッパの5大サッカーリーグの自然クラスターを特定した。
上位2つのクラスタは、それぞれのリーグを支配し、最も競争力のあるエリートスーパーリーグを作る最善の候補であるチームを特定する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We use European football performance data to select teams to form the
proposed European football Super League, using only unsupervised techniques. We
first used random forest regression to select important variables predicting
goal difference, which we used to calculate the Euclidian distances between
teams. Creating a Laplacian eigenmap, we bisected the Fielder vector to
identify the five major European football leagues' natural clusters. Our
results showed how an unsupervised approach could successfully identify four
clusters based on five basic performance metrics: shots, shots on target, shots
conceded, possession, and pass success. The top two clusters identify those
teams who dominate their respective leagues and are the best candidates to
create the most competitive elite super league.
- Abstract（参考訳）: 欧州サッカーパフォーマンスデータを用いて、監督されていない技術のみを使用して、提案された欧州サッカースーパーリーグを構成するチームを選択する。
最初にランダムな森林回帰を用いてゴール差を予測する重要な変数を選択し、チーム間のユークリッド距離を計算した。
ラプラシアン固有マップを作成し、我々は5つの主要な欧州サッカーリーグの自然集団を特定するために、フィールダーベクトルを二分した。
その結果、教師なしのアプローチが5つの基本的なパフォーマンス指標に基づいて4つのクラスタを識別することに成功した。
上位2つのクラスタは、それぞれのリーグを支配し、最も競争力のあるエリートスーパーリーグを作る最善の候補であるチームを特定する。
関連論文リスト
- Modeling and Prediction of the UEFA EURO 2024 via Combined Statistical Learning Approaches [0.0]
基本的に異なる3つの機械学習モデルを組み合わせて、UEFA EURO 2024を予測するための新しいジョイントモデルを作成する。
この目的のために、このトーナメントは、全ての試合で予想されるゴール数に基づいて、100,000回シミュレートされる。
フランスは19.2%、イギリスは16.7%、ドイツは13.7%である。
論文 参考訳（メタデータ） (2024-10-01T07:48:16Z) - Predicting soccer matches with complex networks and machine learning [0.0]
本研究の目的は,サッカーの試合結果を予測するための代替ツールとして,複雑なネットワークを利用することである。
通過ネットワークに基づくモデルは、一般的なマッチング統計を用いた従来のモデルと同じくらい効果的であった。
論文 参考訳（メタデータ） (2024-09-19T21:45:25Z) - 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) - CrowdCLIP: Unsupervised Crowd Counting via Vision-Language Model [60.30099369475092]
監視された群衆のカウントは、高価な手作業によるラベリングに大きく依存している。
本稿では,クラウドカウントのための新しい非教師付きフレームワークであるCrowdCLIPを提案する。
CrowdCLIPは、従来の教師なしの最先端カウント手法と比較して、優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2023-04-09T12:56:54Z) - 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) - Transfer Portal: Accurately Forecasting the Impact of a Player Transfer
in Soccer [0.0]
異なるリーグ間で転送される場合、将来のプレイヤーのパフォーマンスを予測することは複雑な作業である。
本稿では,これらの問題に対処し,今後の性能を正確に予測する手法を提案する。
我々のTransfer Portalモデルは、プレイヤー、チーム、リーグのスタイリスティックなレベルの入力表現と能力レベルの入力表現の両方にパーソナライズされたニューラルネットワークを使用して、選択されたクラブの選手のパフォーマンスをシミュレートする。
論文 参考訳（メタデータ） (2022-01-27T14:15:09Z) - Prediction of IPL Match Outcome Using Machine Learning Techniques [0.0]
インド・プレミアリーグ(英語: Indian Premier League、IPL)は、インドのサッカークラブである。
ライブストリーミング、ラジオ、テレビ放送など多くの要素がこのリーグをクリケットファンの間で人気を博した。
IPLマッチの結果を予測することは、オンライントレーダーやスポンサーにとって非常に重要である。
論文 参考訳（メタデータ） (2021-09-30T09:45:34Z) - Bandit Modeling of Map Selection in Counter-Strike: Global Offensive [55.41644538483948]
Counter-Strike: Global Offensive (CSGO) では、2つのチームが最初にマップ(仮想世界)を選択して禁止する。
CSGOにおける地図選択の問題に対処し、チームの選択や意思決定の禁止を調査するための文脈的帯域幅の枠組みを導入する。
選択と禁止の両方に関して、チームは最適なマップ選択ポリシーを持っています。
また,バンディット環境では検討されていない報奨制度のアプローチも定義し,報奨制度の導入によってモデル性能が向上することが確認された。
論文 参考訳（メタデータ） (2021-06-14T23:47:36Z) - Hybrid Machine Learning Forecasts for the UEFA EURO 2020 [0.41562334038629595]
フットボールの試合を予測するための3つの最先端統計ランキング法は、ハイブリッド機械学習モデルにおいて、他のいくつかの予測器と組み合わせられる。
すなわち、履歴試合に基づく各チームの能力推定、ブックメーカーのコンセンサスに基づく各チームの能力推定、ホームクラブやナショナルチームにおける個々のパフォーマンスに基づく平均プラスマイナス選手の評価である。
ランダムな森林モデルでは、イングランド(13.5%)とスペイン(12.3%)の前に14.8%の確率で現在の世界チャンピオンフランスを好んでいる
論文 参考訳（メタデータ） (2021-06-07T21:56:49Z) - Generating Diverse and Competitive Play-Styles for Strategy Games [58.896302717975445]
ターン型戦略ゲーム(Tribes)のためのプログレッシブアンプランによるPortfolio Monte Carlo Tree Searchを提案する。
品質分散アルゴリズム(MAP-Elites)を使用して異なるプレイスタイルを実現し、競争レベルを維持しながらパラメータ化する方法を示します。
その結果,このアルゴリズムは,トレーニングに用いるレベルを超えて,幅広いゲームレベルにおいても,これらの目標を達成できることが示された。
論文 参考訳（メタデータ） (2021-04-17T20:33:24Z) - RMS-Net: Regression and Masking for Soccer Event Spotting [52.742046866220484]
イベントラベルとその時間的オフセットを同時に予測できる,軽量でモジュール化されたアクションスポッティングネットワークを開発した。
SoccerNetデータセットでテストし、標準機能を使用して、完全な提案は3平均mAPポイントで現在の状態を超えます。
論文 参考訳（メタデータ） (2021-02-15T16:04:18Z)
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。