論文の概要: Deep Learning and Transfer Learning Architectures for English Premier League Player Performance Forecasting
- arxiv url: http://arxiv.org/abs/2405.02412v1
- Date: Fri, 3 May 2024 18:13:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-07 20:00:04.567330
- Title: Deep Learning and Transfer Learning Architectures for English Premier League Player Performance Forecasting
- Title（参考訳）: 英語プレミアリーグプレーヤのパフォーマンス予測のためのディープラーニングとトランスファー学習アーキテクチャ
- Authors: Daniel Frees, Pranav Ravella, Charlie Zhang,
- Abstract要約: 本稿では、畳み込みニューラルネットワーク(CNN)を用いて、イングランド・プレミアリーグ(EPL)選手のパフォーマンスを予測するための画期的なモデルを提案する。
本研究は,過去数週間のEPLデータに基づいて,今後の選手のFPL得点を予測する作業において,リッジ回帰,LightGBM,CNNを評価した。
我々の最適CNNアーキテクチャは、少ない入力機能でより良い性能を達成し、文学において最も優れたEPLプレーヤー性能予測モデルよりも優れています。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a groundbreaking model for forecasting English Premier League (EPL) player performance using convolutional neural networks (CNNs). We evaluate Ridge regression, LightGBM and CNNs on the task of predicting upcoming player FPL score based on historical FPL data over the previous weeks. Our baseline models, Ridge regression and LightGBM, achieve solid performance and emphasize the importance of recent FPL points, influence, creativity, threat, and playtime in predicting EPL player performances. Our optimal CNN architecture achieves better performance with fewer input features and even outperforms the best previous EPL player performance forecasting models in the literature. The optimal CNN architecture also achieves very strong Spearman correlation with player rankings, indicating its strong implications for supporting the development of FPL artificial intelligence (AI) Agents and providing analysis for FPL managers. We additionally perform transfer learning experiments on soccer news data collected from The Guardian, for the same task of predicting upcoming player score, but do not identify a strong predictive signal in natural language news texts, achieving worse performance compared to both the CNN and baseline models. Overall, our CNN-based approach marks a significant advancement in EPL player performance forecasting and lays the foundation for transfer learning to other EPL prediction tasks such as win-loss odds for sports betting and the development of cutting-edge FPL AI Agents.
- Abstract（参考訳）: 本稿では,畳み込みニューラルネットワーク(CNN)を用いて,イングランド・プレミアリーグ(EPL)選手のパフォーマンスを予測するための基盤モデルを提案する。
本研究は,過去数週間のFPLデータに基づいて,今後のFPL得点を予測するタスクにおいて,リッジ回帰,LightGBM,CNNを評価した。
当社のベースラインモデルであるリッジ回帰とLightGBMは,近年のFPLポイント,影響,創造性,脅威,プレイタイムがEPLプレイヤのパフォーマンスを予測する上で重要であることを強調した。
我々の最適CNNアーキテクチャは、少ない入力機能でより良い性能を達成し、文学において最も優れたEPLプレーヤー性能予測モデルよりも優れています。
最適なCNNアーキテクチャはまた、プレイヤーランキングと非常に強力なSpearman相関を実現し、FPL人工知能(AI)エージェントの開発を支援し、FPLマネージャに分析を提供するための強力な意味を示している。
また,ガーディアンが収集したサッカーニュースデータの転送学習実験を行い,今後の選手の得点を予測するのと同じ作業を行うが,自然言語ニューステキストでは強い予測信号は特定できず,CNNやベースラインモデルと比較して性能が劣る。
全体として、我々のCNNベースのアプローチは、EPLプレーヤーのパフォーマンス予測の大幅な進歩を示し、スポーツの賭けの勝敗や最先端のFPLAIエージェントの開発など、他のEPL予測タスクへの移行学習の基礎を定めている。
関連論文リスト
- MatchTime: Towards Automatic Soccer Game Commentary Generation [52.431010585268865]
観客の視聴体験を改善するために,自動サッカーゲーム解説モデルの構築を検討する。
まず、既存のデータセットでよく見られるビデオテキストのミスアライメントを観察し、49試合のタイムスタンプを手動でアノテートする。
第2に,既存のデータセットを自動的に修正・フィルタリングするマルチモーダル時間アライメントパイプラインを提案する。
第3に、キュレートされたデータセットに基づいて、MatchVoiceという自動コメント生成モデルをトレーニングします。
論文 参考訳（メタデータ） (2024-06-26T17:57:25Z) - Estimating Player Performance in Different Contexts Using Fine-tuned Large Events Models [0.7373617024876725]
本稿では,Large Event Models (LEM) のサッカー解析への応用について紹介する。
LEMは、単語ではなく、後続のイベントの変数を予測する。
我々は、2017-18シーズンのプレミアリーグシーズンのWyScoutデータセットによる微調整LEMに焦点を当てている。
論文 参考訳（メタデータ） (2024-02-09T22:47:25Z) - Bayes-xG: Player and Position Correction on Expected Goals (xG) using
Bayesian Hierarchical Approach [55.2480439325792]
本研究は, 期待目標(xG)測定値を用いて, 目標となるショットの予測における選手や位置要因の影響について検討した。
StatsBombの公開データを使って、イングランドのプレミアリーグから1万発のショットを分析している。
この研究は、スペインのラ・リガとドイツのブンデスリーガのデータに分析を拡張し、同等の結果を得た。
論文 参考訳（メタデータ） (2023-11-22T21:54:02Z) - Betting the system: Using lineups to predict football scores [0.0]
本稿では,決勝点におけるラインアップの役割を分析し,サッカーにおけるランダム性を低減することを目的とする。
サッカークラブはラインナップに数百万ドルを投資し、個々の統計がより良い結果にどのように変換するかを知ることで投資を最適化することができる。
スポーツの賭けは指数関数的に増加しており、将来を予測することは利益があり、望ましい。
論文 参考訳（メタデータ） (2022-10-12T15:47:42Z) - CLIP-ViP: Adapting Pre-trained Image-Text Model to Video-Language
Representation Alignment [146.3128011522151]
本稿では,CLIP,すなわちCLIP-ViPに基づいて,ビデオプロキシ機構を備えたOmniクロスモーダル学習手法を提案する。
提案手法は,ビデオテキスト検索におけるCLIPの性能を大きなマージンで向上させる。
MSR-VTT, DiDeMo, LSMDC, ActivityNet など,様々なデータセット上でのSOTA結果も得られた。
論文 参考訳（メタデータ） (2022-09-14T05:47:02Z) - 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) - Explainable expected goal models for performance analysis in football
analytics [5.802346990263708]
本報告では,2014-15年と2020-21年の7シーズンから315,430発のショットをトレーニングした,欧州サッカーリーグのトップ5のゴールモデルを提案する。
我々の知る限りでは、この論文は、プロファイルを集約した説明可能な人工知能ツールの実用的な応用を実証した最初の論文である。
論文 参考訳（メタデータ） (2022-06-14T23:56:03Z) - Transfer Portal: Accurately Forecasting the Impact of a Player Transfer
in Soccer [0.0]
異なるリーグ間で転送される場合、将来のプレイヤーのパフォーマンスを予測することは複雑な作業である。
本稿では,これらの問題に対処し,今後の性能を正確に予測する手法を提案する。
我々のTransfer Portalモデルは、プレイヤー、チーム、リーグのスタイリスティックなレベルの入力表現と能力レベルの入力表現の両方にパーソナライズされたニューラルネットワークを使用して、選択されたクラブの選手のパフォーマンスをシミュレートする。
論文 参考訳（メタデータ） (2022-01-27T14:15:09Z) - From Good to Best: Two-Stage Training for Cross-lingual Machine Reading
Comprehension [51.953428342923885]
モデル性能を向上させるための2段階のアプローチを開発する。
我々は、トップk予測が正確な答えを含む確率を最大化するために、ハードラーニング(HL)アルゴリズムを設計する。
第2段階では, 正解と他の候補との微妙な違いを学習するために, 解答を意識したコントラスト学習機構が開発された。
論文 参考訳（メタデータ） (2021-12-09T07:31:15Z) - Ranking Creative Language Characteristics in Small Data Scenarios [52.00161818003478]
DirectRankerを適用して、小さなデータでクリエイティブ言語をランク付けするための、新しいディープモデルを提供します。
スパーストレーニングデータを用いた実験により、標準的なニューラルネットワークのランク付け手法の性能は小さなデータセットで崩壊するが、DirectRankerは依然として有効であることがわかった。
論文 参考訳（メタデータ） (2020-10-23T18:57:47Z) - 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。