論文の概要: Estimating the age-conditioned average treatment effects curves: An
application for assessing load-management strategies in the NBA
- arxiv url: http://arxiv.org/abs/2402.12400v1
- Date: Sat, 17 Feb 2024 20:16:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-21 18:49:22.197907
- Title: Estimating the age-conditioned average treatment effects curves: An
application for assessing load-management strategies in the NBA
- Title（参考訳）: 年齢条件平均処理効果曲線の推定:NBAにおける負荷管理戦略の評価への応用
- Authors: Shinpei Nakamura-Sakai, Laura Forastiere, Brian Macdonald
- Abstract要約: 本研究は, 年齢別治療効果を定量化し, 性能軌跡解析の粒度を増大させる新しい枠組みを提案する。
本稿では,ゲームレベルのデータを用いて年齢曲線を推定し,メタラーナーフレームワークを用いてその複雑さに対処する手法を提案する。
年齢依存治療効果 (ACTE) を定義することにより, 特定の年齢における治療効果に関する因果関係の探索を容易にする。
- 参考スコア（独自算出の注目度）: 0.8057006406834466
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the realm of competitive sports, understanding the performance dynamics of
athletes, represented by the age curve (showing progression, peak, and
decline), is vital. Our research introduces a novel framework for quantifying
age-specific treatment effects, enhancing the granularity of performance
trajectory analysis. Firstly, we propose a methodology for estimating the age
curve using game-level data, diverging from traditional season-level data
approaches, and tackling its inherent complexities with a meta-learner
framework that leverages advanced machine learning models. This approach
uncovers intricate non-linear patterns missed by existing methods. Secondly,
our framework enables the identification of causal effects, allowing for a
detailed examination of age curves under various conditions. By defining the
Age-Conditioned Treatment Effect (ACTE), we facilitate the exploration of
causal relationships regarding treatment impacts at specific ages. Finally,
applying this methodology to study the effects of rest days on performance
metrics, particularly across different ages, offers valuable insights into load
management strategies' effectiveness. Our findings underscore the importance of
tailored rest periods, highlighting their positive impact on athlete
performance and suggesting a reevaluation of current management practices for
optimizing athlete performance.
- Abstract（参考訳）: 競争スポーツの分野では、年齢曲線(進行、ピーク、減少を示す)で表される選手のパフォーマンスダイナミクスを理解することが不可欠である。
本研究は, 年齢別治療効果を定量化し, 性能軌跡解析の粒度を高めるための新しい枠組みを提案する。
まず、ゲームレベルのデータを用いて年齢曲線を推定し、伝統的な季節レベルのデータアプローチから逸脱し、高度な機械学習モデルを活用するメタラーナーフレームワークで固有の複雑さに取り組む手法を提案する。
このアプローチは、既存のメソッドが見逃す複雑な非線形パターンを明らかにする。
第2に,この枠組みは因果効果の同定を可能にし,様々な条件下での年齢曲線の詳細な検討を可能にする。
年齢依存治療効果(ACTE)を定義することにより,特定の年齢における治療効果に関する因果関係の探索を容易にする。
最後に、この方法論を適用して、特に異なる年齢におけるパフォーマンス指標に対する休日の影響を研究することで、負荷管理戦略の有効性に関する貴重な洞察を提供する。
本研究は,スポーツ選手のパフォーマンスに肯定的な影響を及ぼすとともに,スポーツ選手のパフォーマンスを最適化するための現在のマネジメントプラクティスの再評価を示唆するものである。
関連論文リスト
- Research on Effectiveness Evaluation and Optimization of Baseball Teaching Method Based on Machine Learning [0.0]
本研究では,様々な機械学習モデルを用いて,野球トレーニングにおける学生の総合的な得点の回帰と予測を行う。
その結果, K-Neighbors Regressor と Gradient Boosting Regressor は総合的な予測精度と安定性に優れていた。
論文 参考訳（メタデータ） (2024-11-24T05:34:09Z) - Granularity Matters in Long-Tail Learning [62.30734737735273]
より粒度の細かいデータセットは、データの不均衡の影響を受けにくい傾向があります。
既存のクラスと視覚的に類似したオープンセット補助クラスを導入し、頭と尾の両方の表現学習を強化することを目的とした。
補助授業の圧倒的な存在がトレーニングを混乱させるのを防ぐために,近隣のサイレンシング障害を導入する。
論文 参考訳（メタデータ） (2024-10-21T13:06:21Z) - Boosting Few-Shot Learning with Disentangled Self-Supervised Learning and Meta-Learning for Medical Image Classification [8.975676404678374]
低データ体制下で訓練されたモデルの性能と一般化能力を改善するための戦略を提案する。
提案手法は、自己教師付き学習環境において学習した特徴をアンタングル化して、下流タスクの表現の堅牢性を向上する事前学習段階から開始する。
次に、メタファインニングのステップを導入し、メタトレーニングとメタテストフェーズの関連クラスを活用するが、レベルは変化する。
論文 参考訳（メタデータ） (2024-03-26T09:36:20Z) - Standardizing Your Training Process for Human Activity Recognition
Models: A Comprehensive Review in the Tunable Factors [4.199844472131922]
ウェアラブルヒューマンアクティビティ認識(WHAR)分野における現代ディープラーニング研究の総括的レビューを行う。
この結果から,モデルトレーニングプロトコルが提供する詳細が欠如していることが示唆された。
分析から得られた知見をもとに,WHARモデルに適合した新たな統合トレーニング手順を定義する。
論文 参考訳（メタデータ） (2024-01-10T17:45:28Z) - Benchmarking Heterogeneous Treatment Effect Models through the Lens of
Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。
ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。
我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文 参考訳（メタデータ） (2022-06-16T17:59:05Z) - Enhancing Digital Health Services: A Machine Learning Approach to
Personalized Exercise Goal Setting [8.146832452474777]
本研究の目的は、振り返りデータとリアルな行動軌跡を用いて自動提案運動目標を動的に更新する機械学習アルゴリズムを開発することである。
深層強化学習アルゴリズムは、深層学習技術を組み合わせて時系列データを分析し、ユーザの運動行動を推測する。
論文 参考訳（メタデータ） (2022-04-03T01:19:20Z) - SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event
Data [83.50281440043241]
時系列データから不均一な処理効果を推定する問題について検討する。
本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2021-10-26T20:13:17Z) - LAE : Long-tailed Age Estimation [52.5745217752147]
まず、簡単な標準ベースラインを定式化し、事前トレーニング、データ拡張、モデルアーキテクチャなどのトリックを収集することで、はるかに強力なベースラインを構築します。
標準ベースラインと比較して,提案手法は推定誤差を著しく低減する。
本稿では,Long-tailed Age Estimation (LAE) という2段階の学習手法を提案する。
論文 参考訳（メタデータ） (2021-10-25T09:05:44Z) - On the Robustness of Pretraining and Self-Supervision for a Deep
Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
糖尿病網膜症における訓練方法の違いによる影響を比較検討した。
本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。
以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
論文 参考訳（メタデータ） (2021-06-25T08:32:45Z) - Counterfactual Representation Learning with Balancing Weights [74.67296491574318]
観察データによる因果推論の鍵は、それぞれの治療タイプに関連する予測的特徴のバランスを達成することである。
近年の文献では、この目標を達成するために表現学習を探求している。
因果効果を柔軟かつスケーラブルかつ正確に推定するアルゴリズムを開発した。
論文 参考訳（メタデータ） (2020-10-23T19:06:03Z)
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。