論文の概要: Modeling and Prediction of the UEFA EURO 2024 via Combined Statistical Learning Approaches

• arxiv url: http://arxiv.org/abs/2410.09068v1
• Date: Tue, 1 Oct 2024 07:48:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-30 16:58:09.739416
• Title: Modeling and Prediction of the UEFA EURO 2024 via Combined Statistical Learning Approaches
• Title（参考訳）: 統計学習によるUEFA EURO 2024のモデル化と予測
• Authors: Andreas Groll, Lars M. Hvattum, Christophe Ley, Jonas Sternemann, Gunther Schauberger, Achim Zeileis,
• Abstract要約: 基本的に異なる3つの機械学習モデルを組み合わせて、UEFA EURO 2024を予測するための新しいジョイントモデルを作成する。 この目的のために、このトーナメントは、全ての試合で予想されるゴール数に基づいて、100,000回シミュレートされる。 フランスは19.2%、イギリスは16.7%、ドイツは13.7%である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, three fundamentally different machine learning models are combined to create a new, joint model for forecasting the UEFA EURO 2024. Therefore, a generalized linear model, a random forest model, and a extreme gradient boosting model are used to predict the number of goals a team scores in a match. The three models are trained on the match results of the UEFA EUROs 2004-2020, with additional covariates characterizing the teams for each tournament as well as three enhanced variables derived from different ranking methods for football teams. The first enhanced variable is based on historic match data from national teams, the second is based on the bookmakers' tournament winning odds of all participating teams, and the third is based on historic match data of individual players both for club and international matches, resulting in player ratings. Then, based on current covariate information of the participating teams, the final trained model is used to predict the UEFA EURO 2024. For this purpose, the tournament is simulated 100.000 times, based on the estimated expected number of goals for all possible matches, from which probabilities across the different tournament stages are derived. Our combined model identifies France as the clear favourite with a winning probability of 19.2%, followed by England (16.7%) and host Germany (13.7%).
• Abstract（参考訳）: 本研究では、基本的に異なる3つの機械学習モデルを組み合わせて、UEFA EURO 2024を予測するための新たなジョイントモデルを作成する。 そこで, 一般化線形モデル, ランダム森林モデル, 極端な勾配促進モデルを用いて, 試合の得点数を予測する。 3つのモデルは、UEFA EUROs 2004-2020のマッチ結果に基づいてトレーニングされ、各トーナメントのチームの特徴と、サッカーチームの異なるランキング方法から派生した3つの強化された変数が追加されている。 第1の強化変数は、ナショナルチームによる歴史的な試合データに基づいており、第2の強化変数は、ブックメーカーのすべての参加チームのトーナメント勝利率に基づいており、第3の強化変数は、クラブおよび国際試合における個々の選手の歴史的な試合データに基づいており、結果としてプレイヤーのレーティングが生じる。 そして、参加チームの現在の共変量情報に基づいて、最終的なトレーニングモデルを使用して、UEFA EURO 2024を予測する。 この目的のために、トーナメントは、様々なトーナメントステージにまたがる確率が導出される全ての試合の予想目標数に基づいて、100,000回シミュレートされる。 フランスは19.2%、イギリスは16.7%、ドイツは13.7%である。

関連論文リスト

• Predicting soccer matches with complex networks and machine learning [0.0]
  本研究の目的は,サッカーの試合結果を予測するための代替ツールとして,複雑なネットワークを利用することである。 通過ネットワークに基づくモデルは、一般的なマッチング統計を用いた従来のモデルと同じくらい効果的であった。
  論文  参考訳（メタデータ） (2024-09-19T21:45:25Z)
• Matcher: Segment Anything with One Shot Using All-Purpose Feature Matching [63.88319217738223]
  市販の視覚基礎モデルを用いて様々な知覚課題に対処する新しい知覚パラダイムであるMatcherを提案する。 Matcherは、様々なセグメンテーションタスクにまたがる印象的な一般化パフォーマンスを、すべてトレーニングなしでデモする。 我々の結果は、野生の画像に適用されたMatcherのオープンワールドの一般性と柔軟性をさらに示すものである。
  論文  参考訳（メタデータ） (2023-05-22T17:59:43Z)
• An Empirical Study of Multimodal Model Merging [148.48412442848795]
  モデルマージは、異なるタスクでトレーニングされた複数のモデルを融合してマルチタスクソリューションを生成するテクニックである。 我々は、モダリティ固有のアーキテクチャのビジョン、言語、およびクロスモーダルトランスフォーマーをマージできる新しい目標に向けて研究を行っている。 本稿では,重み間の距離を推定し,マージ結果の指標となる2つの指標を提案する。
  論文  参考訳（メタデータ） (2023-04-28T15:43:21Z)
• Alibaba-Translate China's Submission for WMT 2022 Quality Estimation Shared Task [80.22825549235556]
  我々は、UniTEという品質評価共有タスクにおいて、文レベルのMQMベンチマークを提出する。 具体的には、トレーニング中に3種類の入力形式と事前学習された言語モデルを組み合わせたUniTEのフレームワークを用いる。 その結果,我々のモデルは多言語・英語・ロシア語設定では第1位,英語・ドイツ語・中国語設定では第2位に達した。
  論文  参考訳（メタデータ） (2022-10-18T08:55:27Z)
• 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)
• GCN-WP -- Semi-Supervised Graph Convolutional Networks for Win Prediction in Esports [84.55775845090542]
  本稿では,グラフ畳み込みネットワークに基づくエスポートに対する半教師付き勝利予測モデルを提案する。 GCN-WPはマッチとプレーヤに関する30以上の機能を統合し、近隣のゲームを分類するためにグラフ畳み込みを使用している。 本モデルは,LLの機械学習やスキル評価モデルと比較して,最先端の予測精度を実現する。
  論文  参考訳（メタデータ） (2022-07-26T21:38:07Z)
• Strict baselines for Covid-19 forecasting and ML perspective for USA and Russia [105.54048699217668]
  Covid-19は、2年間にわたって蓄積されたデータセットを収集し、予測分析に使用できるようにする。 本研究は、米国とロシアの2カ国の地域データに基づいて、Covid-19の拡散のダイナミクスを予測するための様々な種類の方法に関する一貫した研究結果である。
  論文  参考訳（メタデータ） (2022-07-15T18:21:36Z)
• 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)
• Hybrid Machine Learning Forecasts for the UEFA EURO 2020 [0.41562334038629595]
  フットボールの試合を予測するための3つの最先端統計ランキング法は、ハイブリッド機械学習モデルにおいて、他のいくつかの予測器と組み合わせられる。 すなわち、履歴試合に基づく各チームの能力推定、ブックメーカーのコンセンサスに基づく各チームの能力推定、ホームクラブやナショナルチームにおける個々のパフォーマンスに基づく平均プラスマイナス選手の評価である。 ランダムな森林モデルでは、イングランド(13.5%)とスペイン(12.3%)の前に14.8%の確率で現在の世界チャンピオンフランスを好んでいる
  論文  参考訳（メタデータ） (2021-06-07T21:56:49Z)
• Three Steps to Multimodal Trajectory Prediction: Modality Clustering, Classification and Synthesis [54.249502356251085]
  我々は新しい予測フレームワークと共に新しい洞察を示す。 提案手法は、社会情報や地図情報を導入することなく、最先端の作品を超える。
  論文  参考訳（メタデータ） (2021-03-14T06:21:03Z)
• Combining Machine Learning and Human Experts to Predict Match Outcomes in Football: A Baseline Model [14.121432441882895]
  サッカーの試合における試合結果予測のための新しいアプリケーション指向ベンチマークデータセット(soccer)を提案する。 我々のデータセットは、イングランド・プレミアリーグの6シーズンにわたる代表的時期に焦点を当てており、ガーディアン紙の新聞試合プレビューも含んでいる。 本論文で示したモデルは,従来の統計手法の6.9%向上を示す63.18%の精度を達成した。
  論文  参考訳（メタデータ） (2020-12-08T11:52:14Z)

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。