論文の概要: Machine Learning Modeling to Evaluate the Value of Football Players
- arxiv url: http://arxiv.org/abs/2207.11361v1
- Date: Fri, 22 Jul 2022 22:34:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-26 15:05:29.016246
- Title: Machine Learning Modeling to Evaluate the Value of Football Players
- Title（参考訳）: サッカー選手の価値評価のための機械学習モデリング
- Authors: Chenyao Li, Stylianos Kampakis, Philip Treleaven
- Abstract要約: 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。
- 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: In most sports, especially football, most coaches and analysts search for key
performance indicators using notational analysis. This method utilizes a
statistical summary of events based on video footage and numerical records of
goal scores. Unfortunately, this approach is now obsolete owing to the
continuous evolutionary increase in technology that simplifies the analysis of
more complex process variables through machine learning (ML). Machine learning,
a form of artificial intelligence (AI), uses algorithms to detect meaningful
patterns and define a structure based on positional data. This research
investigates a new method to evaluate the value of current football players,
based on establishing the machine learning models to investigate the relations
among the various features of players, the salary of players, and the market
value of players. The data of the football players used for this project is
from several football websites. The data on the salary of football players will
be the proxy for evaluating the value of players, and other features will be
used to establish and train the ML model for predicting the suitable salary for
the players. The motivation is to explore what are the relations between
different features of football players and their salaries - how each feature
affects their salaries, or which are the most important features to affect the
salary? Although many standards can reflect the value of football players, the
salary of the players is one of the most intuitive and crucial indexes, so this
study will use the salary of players as the proxy to evaluate their value.
Moreover, many features of players can affect the valuation of the football
players, but the value of players is mainly decided by three types of factors:
basic characteristics, performance on the court, and achievements at the club.
- Abstract（参考訳）: 多くのスポーツ、特にサッカーにおいて、コーチやアナリストは記法分析を使って重要なパフォーマンス指標を探す。
本手法は,映像とゴールスコアの数値記録に基づくイベントの統計的要約を利用する。
残念ながら、このアプローチは、機械学習(ml)によるより複雑なプロセス変数の分析を単純化する技術の進化の継続によって時代遅れになっている。
人工知能(AI)の一形態である機械学習は、アルゴリズムを使用して意味のあるパターンを検出し、位置データに基づいて構造を定義する。
本研究では,選手の様々な特徴,選手の給与,プレーヤの市場価値との関連性を明らかにする機械学習モデルを確立することにより,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。
選手の給与に関するデータは選手の価値を評価するためのプロキシとなり、その他の特徴は選手の適切な給与を予測するためのMLモデルの確立とトレーニングに使用される。
モチベーションは、サッカー選手の異なる特徴と給与の関係を探求することにある。それぞれの特徴が給与にどう影響するか、あるいは給与に影響を与える最も重要な特徴は何なのか?
多くの基準はサッカー選手の価値を反映できるが、選手の給与は最も直感的で重要な指標の1つであり、選手の給与を代行として評価する。
さらに、選手の特徴は選手の評価に影響する可能性があるが、選手の価値は主に基本的な特徴、コートのパフォーマンス、クラブでの成績の3つの要因によって決定される。
関連論文リスト
- RisingBALLER: A player is a token, a match is a sentence, A path towards a foundational model for football players data analytics [0.0]
RisingBALLERは、フットボールの試合データに基づいてトレーニングされたトランスフォーマーモデルを利用して、マッチ固有のプレーヤー表現を学習する最初の公開アプローチである。
単純な機械学習モデル以上の、RisingBALLERは、プレーヤーのための高度な基礎的特徴を学習することによって、フットボールデータ分析を変換するように設計された包括的なフレームワークである。
論文 参考訳（メタデータ） (2024-10-01T14:39:22Z) - Performance Insights-based AI-driven Football Transfer Fee Prediction [0.0]
我々は,選手の移動料金を予測する人工知能アプローチを開発した。
このモデルは、クラブがどのプレイヤーを購入、販売するかをよりよく決定するのに役立ち、パフォーマンスの向上とクラブ予算の増大につながる。
論文 参考訳（メタデータ） (2024-01-30T07:16:09Z) - Explainable artificial intelligence model for identifying Market Value
in Professional Soccer Players [2.2590064835234913]
ソフィファの約12,000人のプレイヤーのデータを用いて、ボルタのアルゴリズムは特徴選択を合理化した。
グラディエントブースティング決定木(GBDT)モデルは予測精度に優れ、R-squaredは0.901、Root Mean Squared Error(RMSE)は3,221,632.175である。
論文 参考訳（メタデータ） (2023-11-08T11:01:32Z) - 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) - A Graph-Based Method for Soccer Action Spotting Using Unsupervised
Player Classification [75.93186954061943]
アクションスポッティングには、ゲームのダイナミクス、イベントの複雑さ、ビデオシーケンスのバリエーションを理解することが含まれる。
本研究では, (a) 選手, 審判, ゴールキーパーをグラフのノードとして識別し, および (b) 時間的相互作用をグラフのシーケンスとしてモデル化することによって, 前者に焦点を当てる。
プレーヤ識別タスクでは,他のモダリティと組み合わせることで,平均mAPの57.83%の総合的な性能が得られる。
論文 参考訳（メタデータ） (2022-11-22T15:23:53Z) - 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) - 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) - Teach me to play, gamer! Imitative learning in computer games via
linguistic description of complex phenomena and decision tree [55.41644538483948]
本稿では,複雑な現象の言語記述に基づく模倣による新しい機械学習モデルを提案する。
この手法は,ゲーム開発における知的エージェントの動作を設計し,実装するための優れた代替手段となる。
論文 参考訳（メタデータ） (2021-01-06T21:14:10Z) - 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)
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。