論文の概要: Prediction of the outcome of a Twenty-20 Cricket Match

• arxiv url: http://arxiv.org/abs/2209.06346v1
• Date: Tue, 13 Sep 2022 23:43:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-15 13:36:40.058857
• Title: Prediction of the outcome of a Twenty-20 Cricket Match
• Title（参考訳）: 20-20クリケットマッチの結果の予測
• Authors: Ashish V Shenoy, Arjun Singhvi, Shruthi Racha, Srinivas Tunuguntla
• Abstract要約: 我々は,T20クリケットマッチの結果を予測するために,4つの異なるアプローチを試す。 競技チームに関わる選手の過去の成績統計、評価されたクリケット統計ウェブサイトから得られた選手の格付け、同様の成績統計をプレイヤーのクラスタリング、ELOに基づくプレイヤーの評価手法を用いて検討する。 本稿では,ロジスティック回帰,サポートベクタマシン,ベイズネットワーク,決定木,ランダムフォレストを用いて,それぞれの手法の性能を比較した。
• 参考スコア（独自算出の注目度）: 1.417373050337415
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Twenty20 cricket, sometimes written Twenty-20, and often abbreviated to T20, is a short form of cricket. In a Twenty20 game the two teams of 11 players have a single innings each, which is restricted to a maximum of 20 overs. This version of cricket is especially unpredictable and is one of the reasons it has gained popularity over recent times. However, in this paper we try four different approaches for predicting the results of T20 Cricket Matches. Specifically we take in to account: previous performance statistics of the players involved in the competing teams, ratings of players obtained from reputed cricket statistics websites, clustering the players' with similar performance statistics and using an ELO based approach to rate players. We compare the performances of each of these approaches by using logistic regression, support vector machines, bayes network, decision tree, random forest.
• Abstract（参考訳）: T2020クリケット(T2020クリケット、英語: T20 cricket)は、クリケットの一種。 20のゲームでは、11人のプレーヤーからなる2つのチームがそれぞれ1回のインニングを持ち、最大20回に制限される。 このバージョンのクリケットは特に予測不可能であり、近年人気を集めている理由の1つである。 しかし,本稿では,T20クリケットマッチの結果を予測するための4つのアプローチを試す。 具体的には、競技チームに関わる選手の過去のパフォーマンス統計、評価されたクリケット統計ウェブサイトから得られた選手のレーティング、同様のパフォーマンス統計をプレイヤーのクラスタリング、ELOベースのアプローチを用いてプレイヤーの評価を行う。 我々は,ロジスティック回帰,サポートベクターマシン,ベイズネットワーク,決定木,ランダムフォレストを用いて,これらの手法の性能を比較する。

関連論文リスト

• FanCric : Multi-Agentic Framework for Crafting Fantasy 11 Cricket Teams [0.0]
  この研究は、インドにおけるIPLの主要なファンタジークリケットリーグであるDream11に集中しており、参加者は実際のプレイヤーのパフォーマンスに基づいて仮想チームを作り、国際的に競争する。 本稿では,Large Language Models(LLM)を活用した高度なマルチエージェントシステムであるFanCricフレームワークと,クリケットにおけるファンタジーチーム選択を強化する堅牢なオーケストレーションフレームワークを紹介する。 FanCricは構造化データと非構造化データの両方を使って、高度なAI技術を組み込むことで従来の手法を超越している。
  論文  参考訳（メタデータ） (2024-10-02T08:01:28Z)
• Impact of a Batter in ODI Cricket Implementing Regression Models from Match Commentary [0.0]
  本研究は,プレイヤーがどのような状況でどれだけコントロールしているかを判断することで,このインパクトのあるパフォーマンスの背景にある欠点を理解することを目的とする。 私たちはOne Day Internationalの3人の著名なクリケット選手(Rohit G Sharma、David A Warner、Kene S Williamson)のキャリアに関するデータを収集しました。 我々は、各プレイヤーのデータに対して、複数の線形回帰(MLR)、ポリノミアル回帰、サポートベクトル回帰(SVR)、決定木回帰、ランダムフォレスト回帰を個別に使用し、プレイヤーがゲームに与える影響を予測する。
  論文  参考訳（メタデータ） (2023-02-22T06:42:20Z)
• 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)
• Retrospective on the 2021 BASALT Competition on Learning from Human Feedback [92.37243979045817]
  競争の目的は、人間のフィードバック(LfHF)技術から学び、オープンワールドの課題を解決するエージェントへの研究を促進することであった。 LfHF技術の使用を義務付けるのではなく、ビデオゲームMinecraftで達成すべき自然言語の4つのタスクについて説明した。 チームは、様々な可能な人間のフィードバックタイプにまたがる多様なLfHFアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-04-14T17:24:54Z)
• 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)
• Pick Your Battles: Interaction Graphs as Population-Level Objectives for Strategic Diversity [49.68758494467258]
  我々は、集団内の個人がどのように相互作用するかを慎重に構造化することで、多様なエージェントの集団を構築する方法について研究する。 我々のアプローチは,エージェント間の情報の流れを制御するインタラクショングラフに基づいている。 マルチエージェント・トレーニングにおける多様性の重要性を証明し,様々な相互作用グラフを適用したゲームにおけるトレーニング・トラジェクトリ,多様性,パフォーマンスに与える影響を解析する。
  論文  参考訳（メタデータ） (2021-10-08T11:29:52Z)
• 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)
• A study on Machine Learning Approaches for Player Performance and Match Results Prediction [2.82163744818616]
  機械学習の分野で進歩しているので、クリケットの試合の結果を予測することは根本的な問題となっている。 複数の研究者がクリケットの試合やトーナメントの結果を予測したり、試合中の選手のパフォーマンスを予測したり、現在のパフォーマンス、フォーム、モラルなどに基づいて選択すべき選手を予測しようとした。 これらの技法のいくつかと、これらの技法の簡単な比較について論じる。
  論文  参考訳（メタデータ） (2021-08-23T12:49:57Z)
• 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)
• 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。