論文の概要: Supervised Learning for Table Tennis Match Prediction

• arxiv url: http://arxiv.org/abs/2303.16776v1
• Date: Tue, 28 Mar 2023 17:42:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-30 14:11:59.216939
• Title: Supervised Learning for Table Tennis Match Prediction
• Title（参考訳）: 卓球試合予測のための教師付き学習
• Authors: Sophie Chiang, Gyorgy Denes
• Abstract要約: 本稿では,テーブルテニスシングルマッチの結果を予測するために機械学習を用いることを提案する。 我々は,プレイヤーとマッチング統計を特徴として用いて,その相対的重要性をアブレーション研究で評価する。 結果は将来の卓球予測モデルのベースラインとして機能し、同様の球技の予測研究にフィードバックすることができる。
• 参考スコア（独自算出の注目度）: 2.7835697868135902
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Machine learning, classification and prediction models have applications across a range of fields. Sport analytics is an increasingly popular application, but most existing work is focused on automated refereeing in mainstream sports and injury prevention. Research on other sports, such as table tennis, has only recently started gaining more traction. This paper proposes the use of machine learning to predict the outcome of table tennis single matches. We use player and match statistics as features and evaluate their relative importance in an ablation study. In terms of models, a number of popular models were explored. We found that 5-fold cross-validation and hyperparameter tuning was crucial to improve model performance. We investigated different feature aggregation strategies in our ablation study to demonstrate the robustness of the models. Different models performed comparably, with the accuracy of the results (61-70%) matching state-of-the-art models in comparable sports, such as tennis. The results can serve as a baseline for future table tennis prediction models, and can feed back to prediction research in similar ball sports.
• Abstract（参考訳）: 機械学習、分類、予測モデルは様々な分野に応用されている。 スポーツ分析はますます普及しつつあるアプリケーションであるが、既存の研究のほとんどは、メインストリームスポーツにおける自動審判と怪我予防に焦点を当てている。 卓球など他のスポーツの研究は、最近になってさらに勢いを増し始めている。 本稿では,卓球単独試合の結果を予測するための機械学習の利用を提案する。 プレイヤーとマッチ統計を特徴とし,その相対的重要性をアブレーション研究で評価する。 モデルに関して、いくつかの人気のあるモデルが探索された。 モデルの性能向上には5倍のクロスバリデーションとハイパーパラメータチューニングが不可欠であることがわかった。 アブレーション研究において,モデルの堅牢性を示すために異なる特徴集約戦略を検討した。 異なるモデルは、テニスのような同等のスポーツにおいて、結果の精度(61～70%)で比較可能であった。 結果は、将来の卓球予測モデルのベースラインとなり、同様のボールスポーツにおける予測研究にフィードバックすることができる。

関連論文リスト

• Machine Learning for Soccer Match Result Prediction [0.9002260638342727]
  本章では、利用可能なデータセット、モデルと機能のタイプ、モデルパフォーマンスを評価する方法について論じる。 本章の目的は,サッカーの試合結果予測のための機械学習の現状と今後の展開について概説することである。
  論文  参考訳（メタデータ） (2024-03-12T14:00:50Z)
• MLFEF: Machine Learning Fusion Model with Empirical Formula to Explore the Momentum in Competitive Sports [2.4048240311299725]
  私たちは2つのモデルを構築します。1つはデータ駆動型に基づくモデルを構築すること、もう1つは経験則に基づくモデルを構築することです。 データ駆動型モデルでは,過去5年間にテニスの試合の公開データや選手の個人情報データを含む大量の公開データを発見した。 メカニズム分析モデルでは,多くのテニス選手や愛好家の提案に基づいて重要な特徴が選択された。
  論文  参考訳（メタデータ） (2024-02-19T14:02:13Z)
• Classification of Tennis Actions Using Deep Learning [0.0]
  本研究では,深層学習によるテニス行動の分類の可能性と課題について検討する。 テニスデータセットTheTISを用いて,異なる大きさの3つのモデルを訓練し,評価した。 最高のモデルは74 %の一般化精度を達成し、テニスアクション分類に優れた性能を示す。
  論文  参考訳（メタデータ） (2024-02-04T15:48:20Z)
• ShuttleSHAP: A Turn-Based Feature Attribution Approach for Analyzing Forecasting Models in Badminton [52.21869064818728]
  バドミントンにおけるプレイヤー戦術予測のための深層学習アプローチは、部分的にはラリープレイヤの相互作用に関する効果的な推論に起因する有望なパフォーマンスを示している。 本稿では,Shapley値の変量に基づいてバドミントンにおける予測モデルを解析するためのターンベース特徴属性手法であるShuttleSHAPを提案する。
  論文  参考訳（メタデータ） (2023-12-18T05:37:51Z)
• Evaluating Soccer Match Prediction Models: A Deep Learning Approach and Feature Optimization for Gradient-Boosted Trees [0.8009842832476994]
  2023年のサッカーの予測チャレンジでは、まず各チームが得点した正確なゴールについて、次に勝利、引き分け、負けの確率について、試合結果の予測が必要とされた。 CatBoost モデルは pi-ratings を特徴として用いており、これは最初は win/draw/loss 確率を計算するのに最適な選択肢として認識されていた。 本研究では,ディープラーニングモデルの性能を評価し,勾配木モデルに最適な特徴セットを決定することを目的とした。
  論文  参考訳（メタデータ） (2023-09-26T10:05:46Z)
• Investigating Ensemble Methods for Model Robustness Improvement of Text Classifiers [66.36045164286854]
  既存のバイアス機能を分析し、すべてのケースに最適なモデルが存在しないことを実証します。 適切なバイアスモデルを選択することで、より洗練されたモデル設計でベースラインよりもロバスト性が得られる。
  論文  参考訳（メタデータ） (2022-10-28T17:52:10Z)
• Synthetic Model Combination: An Instance-wise Approach to Unsupervised Ensemble Learning [92.89846887298852]
  ラベル付きデータのトレーニングセットから学ぶ機会のない、新しいテストデータに対する予測を検討する。 専門家モデルのセットと予測へのアクセスと、トレーニングに使用するデータセットに関する制限された情報を提供すること。
  論文  参考訳（メタデータ） (2022-10-11T10:20:31Z)
• Machine Learning in Sports: A Case Study on Using Explainable Models for Predicting Outcomes of Volleyball Matches [0.0]
  本稿では,ブラジルバレーボールリーグ(SuperLiga)における試合結果を予測するための2相説明可能な人工知能(XAI)アプローチについて検討する。 第1フェーズでは、解釈可能なルールベースのMLモデルを直接使用し、モデルの振る舞いをグローバルに理解する。 第2フェーズでは,SVM(Support Vector Machine)やDNN(Deep Neural Network)といった非線形モデルを構築し,バレーボールの試合結果の予測性能を得る。
  論文  参考訳（メタデータ） (2022-06-18T18:09:15Z)
• Comparing Test Sets with Item Response Theory [53.755064720563]
  我々は,18の事前学習トランスフォーマーモデルから予測した29のデータセットを個別のテスト例で評価した。 Quoref、HellaSwag、MC-TACOは最先端のモデルを区別するのに最適である。 また、QAMRやSQuAD2.0のようなQAデータセットに使用されるスパン選択タスク形式は、強いモデルと弱いモデルとの差別化に有効である。
  論文  参考訳（メタデータ） (2021-06-01T22:33:53Z)
• Models, Pixels, and Rewards: Evaluating Design Trade-offs in Visual Model-Based Reinforcement Learning [109.74041512359476]
  視覚的MBRLアルゴリズムにおける予測モデルの設計決定について検討する。 潜在空間の使用など、しばしば重要と見なされる設計上の決定は、タスクのパフォーマンスにはほとんど影響しないことが分かりました。 我々は,この現象が探索とどのように関係しているか,および標準ベンチマークにおける下位スコーリングモデルのいくつかが,同じトレーニングデータでトレーニングされた場合のベストパフォーマンスモデルと同等の性能を発揮するかを示す。
  論文  参考訳（メタデータ） (2020-12-08T18:03:21Z)
• 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。