論文の概要: Hybrid Machine Learning Forecasts for the UEFA EURO 2020

• arxiv url: http://arxiv.org/abs/2106.05799v1
• Date: Mon, 7 Jun 2021 21:56:49 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-11 14:04:21.940834
• Title: Hybrid Machine Learning Forecasts for the UEFA EURO 2020
• Title（参考訳）: ハイブリッド機械学習によるuefa euro 2020の予測
• Authors: Andreas Groll, Lars Magnus Hvattum, Christophe Ley, Franziska Popp, Gunther Schauberger, Hans Van Eetvelde, Achim Zeileis
• Abstract要約: 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
• 参考スコア（独自算出の注目度）: 0.41562334038629595
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Three state-of-the-art statistical ranking methods for forecasting football matches are combined with several other predictors in a hybrid machine learning model. Namely an ability estimate for every team based on historic matches; an ability estimate for every team based on bookmaker consensus; average plus-minus player ratings based on their individual performances in their home clubs and national teams; and further team covariates (e.g., market value, team structure) and country-specific socio-economic factors (population, GDP). The proposed combined approach is used for learning the number of goals scored in the matches from the four previous UEFA EUROs 2004-2016 and then applied to current information to forecast the upcoming UEFA EURO 2020. Based on the resulting estimates, the tournament is simulated repeatedly and winning probabilities are obtained for all teams. A random forest model favors the current World Champion France with a winning probability of 14.8% before England (13.5%) and Spain (12.3%). Additionally, we provide survival probabilities for all teams and at all tournament stages.
• Abstract（参考訳）: サッカーの試合を予測するための3つの最先端統計ランキング手法は、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、歴史的試合に基づく各チームに対する能力推定、ブックメーカーのコンセンサスに基づく各チームに対する能力推定、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プレイヤー評価、さらにチーム共変量(市場価値、チーム構造など)、国固有の社会経済的要因(人口、GDP)などである。 提案された組み合わせアプローチは、以前の4つのuefa euros 2004-2016から獲得したゴール数を学習し、現在の情報に適用し、今後のuefa euro 2020を予測するために使用される。 結果に基づいて、トーナメントを繰り返しシミュレートし、すべてのチームに対して勝利確率を得る。 ランダム森林モデルは、イングランド(13.5%)とスペイン(12.3%)よりも14.8%の勝利確率で、現在の世界チャンピオンフランスを好んでいる。 さらに、すべてのチームとすべてのトーナメントステージに生存確率を提供します。

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)
• The Strain of Success: A Predictive Model for Injury Risk Mitigation and Team Success in Soccer [13.061659160183071]
  サッカーにおける新しいチーム選択モデルを提案する。 我々は,実世界のサッカーデータから学習した選手固有の情報を用いて,選手の怪我や不適応の過程をモデル化する。 また,本モデルでは,第1チームのケガを13%減らし,負傷選手に非効率に費やした金額を11%減らした。
  論文  参考訳（メタデータ） (2024-02-07T14:28:04Z)
• 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)
• Betting the system: Using lineups to predict football scores [0.0]
  本稿では,決勝点におけるラインアップの役割を分析し,サッカーにおけるランダム性を低減することを目的とする。 サッカークラブはラインナップに数百万ドルを投資し、個々の統計がより良い結果にどのように変換するかを知ることで投資を最適化することができる。 スポーツの賭けは指数関数的に増加しており、将来を予測することは利益があり、望ましい。
  論文  参考訳（メタデータ） (2022-10-12T15:47:42Z)
• 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)
• Strict baselines for Covid-19 forecasting and ML perspective for USA and Russia [105.54048699217668]
  Covid-19は、2年間にわたって蓄積されたデータセットを収集し、予測分析に使用できるようにする。 本研究は、米国とロシアの2カ国の地域データに基づいて、Covid-19の拡散のダイナミクスを予測するための様々な種類の方法に関する一貫した研究結果である。
  論文  参考訳（メタデータ） (2022-07-15T18:21:36Z)
• Overview of the TREC 2020 Fair Ranking Track [64.16623297717642]
  本稿は、NIST TREC 2020 Fair Ranking trackの概要を示す。 フェア・ランキング・トラックの中心的な目標は、様々な作家グループに公正な露出を提供することである。
  論文  参考訳（メタデータ） (2021-08-11T10:22:05Z)
• Evaluation of soccer team defense based on prediction models of ball recovery and being attacked [0.8921166277011345]
  本研究では,ボールの回復と攻撃の予測に基づいて,チーム防御を評価する手法を提案する。 45試合のデータを用いて,提案する指標とチームパフォーマンスの関係を検討した。
  論文  参考訳（メタデータ） (2021-03-17T13:15:41Z)
• Game Plan: What AI can do for Football, and What Football can do for AI [83.79507996785838]
  予測的および規範的フットボール分析は、統計学習、ゲーム理論、コンピュータビジョンの交差点における新たな発展と進歩を必要とする。 フットボール分析は、サッカー自体のゲームを変えるだけでなく、この領域がAIの分野で何を意味するのかという観点からも、非常に価値の高いゲームチェンジャーであることを示す。
  論文  参考訳（メタデータ） (2020-11-18T10:26:02Z)
• Analysing Long Short Term Memory Models for Cricket Match Outcome Prediction [0.0]
  近年,様々な機械学習技術を用いてクリケットマッチングデータを解析し,試合結果の勝敗を予測している。 本稿では,ボール・バイ・ボールの統計値から,試合の勝利確率を一定間隔で予測できる新しいリカレントニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2020-11-04T04:49:11Z)
• 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)

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。