論文の概要: Explainable artificial intelligence model for identifying Market Value
in Professional Soccer Players
- arxiv url: http://arxiv.org/abs/2311.04599v2
- Date: Thu, 23 Nov 2023 08:31:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-28 02:40:32.553303
- Title: Explainable artificial intelligence model for identifying Market Value
in Professional Soccer Players
- Title(参考訳): プロサッカー選手の市場価値識別のための説明可能な人工知能モデル
- Authors: Chunyang Huang, Shaoliang Zhang
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 2.2590064835234913
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study introduces an advanced machine learning method for predicting
soccer players' market values, combining ensemble models and the Shapley
Additive Explanations (SHAP) for interpretability. Utilizing data from about
12,000 players from Sofifa, the Boruta algorithm streamlined feature selection.
The Gradient Boosting Decision Tree (GBDT) model excelled in predictive
accuracy, with an R-squared of 0.901 and a Root Mean Squared Error (RMSE) of
3,221,632.175. Player attributes in skills, fitness, and cognitive areas
significantly influenced market value. These insights aid sports industry
stakeholders in player valuation. However, the study has limitations, like
underestimating superstar players' values and needing larger datasets. Future
research directions include enhancing the model's applicability and exploring
value prediction in various contexts.
- Abstract(参考訳): 本研究では,サッカー選手の市場価値を予測するための高度な機械学習手法を提案し,アンサンブルモデルとShapley Additive Explanations (SHAP)を組み合わせて解釈可能とした。
sofifaの約12,000人のプレイヤーのデータを利用して、borutaアルゴリズムは特徴の選択を合理化した。
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。
プレイヤーのスキル、フィットネス、認知領域の属性は市場価値に大きく影響した。
これらの洞察は選手の評価においてスポーツ業界のステークホルダーを助ける。
しかし、この研究には、スーパースタープレーヤーの値を過小評価したり、より大きなデータセットを必要とするような制限がある。
今後の研究の方向性には、モデルの適用性の向上と、さまざまなコンテキストにおける価値予測の探索が含まれる。
関連論文リスト
- Forecasting the future development in quality and value of professional football players for applications in team management [0.0]
データ駆動モデルは、プロサッカーにおける転送決定を改善するために使用することができる。
近年の研究では、予測の不確実性定量化と説明可能なモデルの使用が求められている。
本稿では,予測精度と不確実性定量化手法に基づいて,説明可能な機械学習モデルを評価する。
論文 参考訳(メタデータ) (2025-02-11T13:09:09Z) - Self-Training with Pseudo-Label Scorer for Aspect Sentiment Quad Prediction [54.23208041792073]
Aspect Sentiment Quad Prediction (ASQP) は、与えられたレビューに対して全てのクワッド(アスペクト項、アスペクトカテゴリー、意見項、感情極性)を予測することを目的としている。
ASQPタスクにおける重要な課題はラベル付きデータの不足であり、既存のメソッドのパフォーマンスを制限している。
そこで我々は,擬似ラベルスコアラーを用いた自己学習フレームワークを提案し,レビューと擬似ラベルの一致をスコアラーが評価する。
論文 参考訳(メタデータ) (2024-06-26T05:30:21Z) - 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) - 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) - ASPEST: Bridging the Gap Between Active Learning and Selective
Prediction [56.001808843574395]
選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。
アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。
本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
論文 参考訳(メタデータ) (2023-04-07T23:51:07Z) - Machine Learning Modeling to Evaluate the Value of Football Players [0.0]
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。
論文 参考訳(メタデータ) (2022-07-22T22:34:52Z) - Prediction of Football Player Value using Bayesian Ensemble Approach [13.163358022899335]
そこで本研究では,FIFAデータ分析に基づいて,世界トップのサッカー選手の移籍手数料に影響を及ぼす要因について事例研究を行った。
各プレイヤーの市場価値を予測するため,木構造パーゼンエミュレータ(TPE)アルゴリズムを用いて改良されたLightGBMモデルを提案する。
論文 参考訳(メタデータ) (2022-06-24T07:13:53Z) - Explain, Edit, and Understand: Rethinking User Study Design for
Evaluating Model Explanations [97.91630330328815]
我々はクラウドソーシング研究を行い、真偽のホテルレビューと偽のホテルレビューを区別するために訓練された詐欺検出モデルと対話する。
単語の線形バッグモデルでは、トレーニング中に特徴係数にアクセスした参加者は、非説明制御と比較して、テストフェーズにおいてモデルの信頼性が大幅に低下する可能性があることを観察する。
論文 参考訳(メタデータ) (2021-12-17T18:29:56Z) - Evaluation Toolkit For Robustness Testing Of Automatic Essay Scoring
Systems [64.4896118325552]
モデル逆算評価スキームと関連するメトリクスを用いて、現状のAESモデルを評価する。
AESモデルは非常に過大評価されていることがわかった。質問の話題に関係のない内容の重い修正(25%まで)でさえ、モデルが生み出すスコアを低下させることはない。
論文 参考訳(メタデータ) (2020-07-14T03:49:43Z) - Using Player's Body-Orientation to Model Pass Feasibility in Soccer [7.205450793637325]
本稿では,サッカーの試合のモノラルな映像から,任意の時間に最も実現可能なパスを推定する計算モデルを提案する。
この方法は、攻撃的な選手の方向(および位置)と相手の空間構成を利用して、同じチームの選手内でのパスイベントの実現可能性を計算する。
その結果、配向を実現可能性尺度として含めることで、ロバストな計算モデルを構築することができ、0.7 Top-3の精度に達することが示されている。
論文 参考訳(メタデータ) (2020-04-15T17:09:51Z) - Value-driven Hindsight Modelling [68.658900923595]
値推定は強化学習(RL)パラダイムの重要な構成要素である。
モデル学習は、観測系列に存在する豊富な遷移構造を利用することができるが、このアプローチは通常、報酬関数に敏感ではない。
この2つの極点の間に位置するRLにおける表現学習のアプローチを開発する。
これにより、タスクに直接関連し、値関数の学習を加速できる、抽出可能な予測ターゲットが提供される。
論文 参考訳(メタデータ) (2020-02-19T18:10:20Z)
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。