論文の概要: A Random Forest-based Prediction Model for Turning Points in Antagonistic event-group Competitions
- arxiv url: http://arxiv.org/abs/2405.20029v1
- Date: Thu, 30 May 2024 13:13:48 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-31 14:28:22.571785
- Title: A Random Forest-based Prediction Model for Turning Points in Antagonistic event-group Competitions
- Title（参考訳）: アンタゴニストイベントグループコンペティションにおけるランダムフォレストに基づく転倒点予測モデル
- Authors: Zishuo Zhu,
- Abstract要約: 本稿では, ランダムフォレストに基づく, 対角的事象群の旋回点の予測モデルを提案する。
このモデルは、敵対的なイベントグループの競争状況の転換点を効果的に予測することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: At present, most of the prediction studies related to antagonistic event-group competitions focus on the prediction of competition results, and less on the prediction of the competition process, which can not provide real-time feedback of the athletes' state information in the actual competition, and thus can not analyze the changes of the competition situation. In order to solve this problem, this paper proposes a prediction model based on Random Forest for the turning point of the antagonistic event-group. Firstly, the quantitative equation of competitive potential energy is proposed; Secondly, the quantitative value of competitive potential energy is obtained by using the dynamic combination of weights method, and the turning point of the competition situation of the antagonistic event-group is marked according to the quantitative time series graph; Finally, the random forest prediction model based on the optimisation of the KM-SMOTE algorithm and the grid search method is established. The experimental analysis shows that: the quantitative equation of competitive potential energy can effectively reflect the dynamic situation of the competition; The model can effectively predict the turning point of the competition situation of the antagonistic event-group, and the recall rate of the model in the test set is 86.13%; the model has certain significance for the future study of the competition situation of the antagonistic event-group.
- Abstract（参考訳）: 現在,競技結果の予測に焦点が当てられているイベントグループ競技に関する予測研究の多くは,競技結果の予測に焦点が当てられているが,実際の競技における競技者の状態情報のリアルタイムなフィードバックが得られず,競技状況の変化を分析できない競技プロセスの予測には焦点が当てられている。
そこで本研究では, ランダムフォレストに基づく, 対角的事象群の旋回点の予測モデルを提案する。
第一に、競合ポテンシャルエネルギーの定量的方程式を提案し、第二に、重み付け法の動的組み合わせを用いて競合ポテンシャルエネルギーの定量的値を求め、その定量的時系列グラフに基づいて敵対事象群の競合状況の旋回点をマークし、最後に、KM-SMOTEアルゴリズムの最適化に基づくランダム森林予測モデルとグリッド探索法を確立した。
実験により, 競合ポテンシャルエネルギーの定量的方程式は, 競合の動的状況を効果的に反映しうること, モデルが対角的事象群の競合状況の旋回点を効果的に予測でき, テストセットにおけるモデルのリコール率は86.13%であり, モデルが今後, 対角的事象群の競合状況の考察に有効であることを示す。
関連論文リスト
- Algorithmic Fairness in Performative Policy Learning: Escaping the Impossibility of Group Fairness [19.183108418687226]
我々は,社会分類問題におけるグループフェアネス保証の強化を実現するために,演奏性を活用するアルゴリズム的フェアネスプラクティスを開発した。
このアプローチの重要な利点は、矛盾するグループフェアネス定義の不整合を解決することができることである。
論文 参考訳（メタデータ） (2024-05-30T19:46:47Z) - CompeteSMoE -- Effective Training of Sparse Mixture of Experts via
Competition [52.2034494666179]
スパース・ミックス・オブ・エキスパート(SMoE)は、ネットワークの深さや幅を増大させる平均を超えた、モデルの複雑さをスケールアップする魅力的なソリューションを提供する。
本稿では,この表現崩壊の根本的な課題に対処する競合機構を提案する。
入力を最も高い神経応答を持つ専門家にのみルーティングすることにより、コンペティションが最適推定器と同じ収束率を持つことを示す。
論文 参考訳（メタデータ） (2024-02-04T15:17:09Z) - Performative Time-Series Forecasting [71.18553214204978]
我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。
本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。
新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
論文 参考訳（メタデータ） (2023-10-09T18:34:29Z) - Understanding the Impact of Competing Events on Heterogeneous Treatment
Effect Estimation from Time-to-Event Data [92.51773744318119]
本研究では,競合イベントの存在下での時間-時間データからヘテロジニアス処理効果(HTE)を推定する問題について検討する。
提案手法は,HTEを推定するための結果モデリング手法であり,既存の時間-時間データの予測モデルを,将来的な結果のプラグイン推定手段としてどのように利用できるかを検討する。
HTEの推定に汎用的な機械学習予測モデルを使用する場合、これらの課題がいつどのように機能するかを理論的に分析し、実証的に説明する。
論文 参考訳（メタデータ） (2023-02-23T14:28:55Z) - Towards Out-of-Distribution Sequential Event Prediction: A Causal
Treatment [72.50906475214457]
シーケンシャルなイベント予測の目標は、一連の歴史的なイベントに基づいて次のイベントを見積もることである。
実際には、次のイベント予測モデルは、一度に収集されたシーケンシャルなデータで訓練される。
文脈固有の表現を学習するための階層的な分岐構造を持つフレームワークを提案する。
論文 参考訳（メタデータ） (2022-10-24T07:54:13Z) - CEP3: Community Event Prediction with Neural Point Process on Graph [59.434777403325604]
グラフニューラルネットワークとマーク付き時間点プロセス(MTPP)を組み合わせた新しいモデルを提案する。
実験では,モデルの精度と訓練効率の両面から,モデルの優れた性能を実証した。
論文 参考訳（メタデータ） (2022-05-21T15:30:25Z) - Approaching sales forecasting using recurrent neural networks and
transformers [57.43518732385863]
深層学習技術を用いて,日・店・店レベルでの顧客販売予測問題に対処する3つの方法を開発した。
実験結果から,データ前処理を最小限に抑えた単純なシーケンスアーキテクチャを用いて,優れた性能を実現することができることを示す。
提案した解は約0.54の RMSLE を達成し、Kaggle コンペティションで提案された問題に対する他のより具体的な解と競合する。
論文 参考訳（メタデータ） (2022-04-16T12:03:52Z) - Improvements to short-term weather prediction with
recurrent-convolutional networks [0.0]
本稿では,第2回Weather4cast 2021コンペティションにおいて,モデルをさらに改良するための著者の取り組みについて述べる。
競技の指標に対する最大の量的改善は、競技の第2段階で利用可能なトレーニングデータの量の増加に起因する可能性がある。
論文 参考訳（メタデータ） (2021-11-11T14:38:15Z) - Towards robust and domain agnostic reinforcement learning competitions [12.731614722371376]
強化学習コンペティションは標準研究ベンチマークの基礎を形成している。
それにもかかわらず、ほとんどの課題は、同じ根本的な問題に悩まされている。
本稿では,これらの障壁を克服するアルゴリズムの開発を促進する,競争設計の新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-06-07T16:15:46Z) - Kaggle forecasting competitions: An overlooked learning opportunity [0.0]
実生活におけるビジネス予測タスクを含む6つのKaggleコンペティションの結果をレビューする。
その結果、Kaggleデータセットの大部分は、M競合よりも高い断続性とエントロピーによって特徴づけられることがわかった。
我々は、勾配を増す決定木の性能向上、予測のためのニューラルネットワークの成功の増加、予測タスクに機械学習モデルを適用するための様々なテクニックを見出した。
論文 参考訳（メタデータ） (2020-09-16T14:14:41Z)
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。