論文の概要: Goal scoring in Premier League with Poisson regression
- arxiv url: http://arxiv.org/abs/2108.05796v1
- Date: Sat, 10 Jul 2021 04:33:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-15 18:34:34.620494
- Title: Goal scoring in Premier League with Poisson regression
- Title(参考訳): Poissonレグレッションを伴うプレミアリーグのゴールスコア
- Authors: Cuong Pham, Tung Le
- Abstract要約: 各試合で得点したゴール数に影響を与える要因は何か?
私たちは、ポアソン回帰を用いて、ターゲット、コーナー、レッドカードといった多くの要因と、ホームチームが試合で得点できるゴールとの関係を見つけます。
- 参考スコア(独自算出の注目度): 0.26107298043931193
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Premier League is known as one of the most competitive football league in the
world, hence there are many goals are scored here every match. Which are the
factors that affect to the number of goal scored in each match? We use Poisson
regression to find out the relation between many factors as shots on target,
corners, red cards, to the goals home team can score in their match.
- Abstract(参考訳): プレミアリーグは世界で最も競争力のあるサッカーリーグの1つとして知られており、試合ごとに多くのゴールが与えられる。
各試合で得点したゴール数に影響を与える要因は何か?
私たちは、ポアソン回帰を用いて、ターゲット、コーナー、レッドカードといった多くの要因と、ホームチームが試合で得点できるゴールとの関係を見つけます。
関連論文リスト
- Infinite Ends from Finite Samples: Open-Ended Goal Inference as Top-Down Bayesian Filtering of Bottom-Up Proposals [48.437581268398866]
オープンエンドゴール推論のシーケンシャルなモンテカルロモデルを導入する。
我々はこのモデルをブロックワードと呼ばれるゴール推論タスクで検証する。
実験では,人間理論の速度,精度,一般性を説明する上で,トップダウンモデルとボトムアップモデルを組み合わせることの重要性を強調した。
論文 参考訳(メタデータ) (2024-07-23T18:04:40Z) - 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) - GoalieNet: A Multi-Stage Network for Joint Goalie, Equipment, and Net
Pose Estimation in Ice Hockey [82.74877848011798]
GoalieNetは多段階のディープニューラルネットワークで、ゴールキーパーのポーズ、機器、ネットを共同で推定する。
NHLベンチマークデータを用いた実験の結果、提案したGoalieNetは、すべてのキーポイントで平均84%の精度を達成可能であることが示された。
論文 参考訳(メタデータ) (2023-06-28T01:00:36Z) - 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) - Evaluation of creating scoring opportunities for teammates in soccer via
trajectory prediction [7.688133652295848]
実際の動作と軌道予測による参照動作を比較することで,オフボールスコアリングの機会を創出する選手を評価する。
検証のために,プロサッカーリーグのチーム全試合の年間給与,ゴール,評価との関係を検討した。
提案手法は,ボールのない選手がチームメイトに得点率を与えるための指標として有効であることが示唆された。
論文 参考訳(メタデータ) (2022-06-04T03:58:37Z) - 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) - Bisecting for selecting: using a Laplacian eigenmaps clustering approach
to create the new European football Super League [0.0]
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。
論文 参考訳(メタデータ) (2021-04-20T17:12:31Z) - Leaving Goals on the Pitch: Evaluating Decision Making in Soccer [21.85419069962932]
機械学習と人工知能(AI)の技術を組み合わせてサッカーにおける意思決定を推論する汎用フレームワークを提案する。
私たちの重要な結論は、チームが少数のチーム固有の場所でペナルティボックスの外からより頻繁にショットした場合、より多くの目標を達成できるということです。
論文 参考訳(メタデータ) (2021-04-07T16:56:31Z) - 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) - 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)
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。