論文の概要: Beyond Suspension: A Two-phase Methodology for Concluding Sports Leagues
- arxiv url: http://arxiv.org/abs/2404.00178v1
- Date: Fri, 29 Mar 2024 22:23:35 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-04 06:56:43.478003
- Title: Beyond Suspension: A Two-phase Methodology for Concluding Sports Leagues
- Title（参考訳）: Beyond Suspension: スポーツリーグを締結するための2段階の方法論
- Authors: Ali Hassanzadeh, Mojtaba Hosseini, John G. Turner,
- Abstract要約: プロスポーツリーグは、新型コロナウイルスの感染拡大などさまざまな理由で休業する可能性がある。
再オープン時にリーグが対処しなければならない重要な疑問は、シーズンを短縮した時間枠で終了するために残りのゲームのサブセットを適切に選択する方法である。
本稿では,データ駆動型モデルを提案する。予測分析と規範解析を利用して,当初予定されていたゲームのサブセットで構成されたシーズンの残りを決定論的にスケジュールする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Problem definition: Professional sports leagues may be suspended due to various reasons such as the recent COVID-19 pandemic. A critical question the league must address when re-opening is how to appropriately select a subset of the remaining games to conclude the season in a shortened time frame. Academic/practical relevance: Despite the rich literature on scheduling an entire season starting from a blank slate, concluding an existing season is quite different. Our approach attempts to achieve team rankings similar to that which would have resulted had the season been played out in full. Methodology: We propose a data-driven model which exploits predictive and prescriptive analytics to produce a schedule for the remainder of the season comprised of a subset of originally-scheduled games. Our model introduces novel rankings-based objectives within a stochastic optimization model, whose parameters are first estimated using a predictive model. We introduce a deterministic equivalent reformulation along with a tailored Frank-Wolfe algorithm to efficiently solve our problem, as well as a robust counterpart based on min-max regret. Results: We present simulation-based numerical experiments from previous National Basketball Association (NBA) seasons 2004--2019, and show that our models are computationally efficient, outperform a greedy benchmark that approximates a non-rankings-based scheduling policy, and produce interpretable results. Managerial implications: Our data-driven decision-making framework may be used to produce a shortened season with 25-50\% fewer games while still producing an end-of-season ranking similar to that of the full season, had it been played.
- Abstract（参考訳）: プロスポーツリーグは、新型コロナウイルス(COVID-19)のパンデミックなど、さまざまな理由で中止される可能性がある。
再オープン時にリーグが対処しなければならない重要な疑問は、シーズンを短縮した時間枠で終了するために残りのゲームのサブセットを適切に選択する方法である。
学術的・実践的関連性: 空白のスレートから始まるシーズン全体のスケジュールに関する豊富な文献にもかかわらず、既存のシーズンを結論付けることは、かなり異なる。
当社のアプローチでは,シーズンが満員になった場合のチームランキングと同じような達成を試みています。
方法論: 予測的および規範的分析を利用して, 当初予定されていたゲームのサブセットからなるシーズンの残り期間のスケジュールを生成するデータ駆動モデルを提案する。
本モデルでは,予測モデルを用いてパラメータを推定する確率的最適化モデルにおいて,ランク付けに基づく新たな目標を提案する。
我々は,この問題を効率的に解くために,フランク=ウルフアルゴリズムとともに決定論的に等価な再構成を導入するとともに,min-maxの後悔に基づく頑健なアルゴリズムを導入する。
結果:2004-2019年のNBAシーズンのシミュレーションに基づく数値実験を行い,このモデルが計算効率が高く,非ランク付け型スケジューリングポリシを近似したグレディ・ベンチマークを上回り,解釈可能な結果が得られることを示した。
管理的意味: 当社のデータ駆動型意思決定フレームワークは、シーズンを短縮した25～50パーセントのゲームを生成するのに使用できます。
関連論文リスト
- Experiment Planning with Function Approximation [49.50254688629728]
本研究では,文脈的帯域幅問題における関数近似を用いた実験計画の問題点について検討する。
本稿では,関数近似に適合する2つの実験計画戦略を提案する。
そこで, 均一サンプリング器は, 動作数が少ない設定において, 競合最適性を達成できることを示す。
論文 参考訳（メタデータ） (2024-01-10T14:40:23Z) - 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) - Transformer-Based Neural Marked Spatio Temporal Point Process Model for
Football Match Events Analysis [0.6946929968559495]
本稿では,ニューラル・テンポラル・ポイント・プロセス・フレームワークに基づくフットボール・イベント・データのモデルを提案する。
検証のために,サッカーチームの最終ランキング,平均ゴールスコア,シーズン平均xGとの関係を検討した。
平均HPUSはゴールやショットの詳細を使わずとも有意な相関を示した。
論文 参考訳（メタデータ） (2023-02-18T10:02:45Z) - BRIO: Bringing Order to Abstractive Summarization [107.97378285293507]
非決定論的分布を前提とした新しい学習パラダイムを提案する。
提案手法は, CNN/DailyMail (47.78 ROUGE-1) と XSum (49.07 ROUGE-1) のデータセット上で, 最新の結果が得られる。
論文 参考訳（メタデータ） (2022-03-31T05:19:38Z) - CSDI: Conditional Score-based Diffusion Models for Probabilistic Time
Series Imputation [107.63407690972139]
Conditional Score-based Diffusion Model for Imputation (CSDI) は、観測データに条件付きスコアベース拡散モデルを利用する新しい時系列計算法である。
CSDIは、一般的なパフォーマンスメトリクスの既存の確率論的計算方法よりも40-70%改善されている。
さらに、Cは最先端の決定論的計算法と比較して誤差を5-20%削減する。
論文 参考訳（メタデータ） (2021-07-07T22:20:24Z) - Evaluation of soccer team defense based on prediction models of ball
recovery and being attacked [0.8921166277011345]
本研究では,ボールの回復と攻撃の予測に基づいて,チーム防御を評価する手法を提案する。
45試合のデータを用いて,提案する指標とチームパフォーマンスの関係を検討した。
論文 参考訳（メタデータ） (2021-03-17T13:15:41Z) - Bandit Linear Optimization for Sequential Decision Making and
Extensive-Form Games [102.23975166536326]
tree-form sequential decision making (tfsdm) は、エージェントと潜在的に敵対的な環境の間のツリー形式の相互作用をモデル化することで、古典的なワンショット意思決定を拡張する。
これは、各プレイヤーが幅広い形式のゲームで直面するオンライン意思決定問題、およびマルコフ決定プロセス、およびエージェントが観測された履歴を条件とする部分観察可能なマルコフ決定プロセスをキャプチャする。
本稿では, (i) 線形時間損失と (ii) $o(sqrtt)$ cumulative regret の両方を提供する拡張dmのバンディット線形最適化問題に対する最初のアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-08T05:00:13Z) - Markov Cricket: Using Forward and Inverse Reinforcement Learning to
Model, Predict And Optimize Batting Performance in One-Day International
Cricket [0.8122270502556374]
我々は1日の国際クリケットゲームをマルコフプロセスとしてモデル化し、前向きおよび逆強化学習(RL)を適用してゲームのための3つの新しいツールを開発する。
本手法は,残余スコアリング資源のプロキシとして使用する場合,最先端のDuckworth-Lewis-Stern法を3倍から10倍に向上させることを示す。
予測とシミュレーションのテクニックは中断されたゲームの最終スコアを推定するためのより公平な代替手段となり得るが、推定された報酬モデルはプロのゲームがプレイ戦略を最適化するための有用な洞察を提供するかもしれない。
論文 参考訳（メタデータ） (2021-03-07T13:11:16Z) - Sample-Efficient Learning of Stackelberg Equilibria in General-Sum Games [78.65798135008419]
一般的なゲームでStackelberg平衡を効率的に学習する方法は、サンプルから非常にオープンなままです。
本稿では,2プレーヤターンベース汎用ゲームにおけるStackelberg平衡のサンプル効率学習に関する理論的研究を開始する。
論文 参考訳（メタデータ） (2021-02-23T05:11:07Z) - Faster Algorithms for Optimal Ex-Ante Coordinated Collusive Strategies
in Extensive-Form Zero-Sum Games [123.76716667704625]
我々は,不完全情報ゼロサム拡張形式ゲームにおいて,対戦相手と対決する2人の選手のチームにとって最適な戦略を見つけることの課題に焦点をあてる。
この設定では、チームができる最善のことは、ゲーム開始時の関節(つまり相関した)確率分布から潜在的にランダム化された戦略(プレイヤー1人)のプロファイルをサンプリングすることである。
各プロファイルにランダム化されるのはチームメンバーの1人だけであるプロファイルのみを用いることで、そのような最適な分布を計算するアルゴリズムを提供する。
論文 参考訳（メタデータ） (2020-09-21T17:51:57Z) - Forecasting with Multiple Seasonality [11.554775859730459]
複数の季節性を持つ時系列の2段階的手法を提案する。
第1段階では、古典的季節自己回帰移動平均(ARMA)モデルを複数の状況で一般化する。
第2段階では,ラグ順選択に適切な基準を用いる。
論文 参考訳（メタデータ） (2020-08-27T19:08:30Z)
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。