論文の概要: March Madness Tournament Predictions Model: A Mathematical Modeling Approach

• arxiv url: http://arxiv.org/abs/2503.21790v1
• Date: Mon, 17 Mar 2025 02:04:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-06 07:30:20.689333
• Title: March Madness Tournament Predictions Model: A Mathematical Modeling Approach
• Title（参考訳）: March Madness Tournament Predictions Model: A Mathematical Modeling Approach
• Authors: Christian McIver, Karla Avalos, Nikhil Nayak,
• Abstract要約: 本稿では,2013年以降のNCAAバスケットボールデータに基づいて,マーチマドネストーナメントの結果を予測するモデルを提案する。 このプロジェクトの枠組みは、関心のある4つの予測対象が調整された攻撃効率(ADJOE)、調整された防御効率(ADJDE)、パワーレーティング(Power Rating)、および2点ショットパーセンテージ( Two-point Shooting Percentage Allowed)であるFiveThrityEight NCAA March Madness予測モデルの単純化である。 トーナメントシミュレーションを開発し、実際のマーチマドネスブラケットと比較し、モデルの精度を決定する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper proposes a model to predict the outcome of the March Madness tournament based on historical NCAA basketball data since 2013. The framework of this project is a simplification of the FiveThrityEight NCAA March Madness prediction model, where the only four predictors of interest are Adjusted Offensive Efficiency (ADJOE), Adjusted Defensive Efficiency (ADJDE), Power Rating, and Two-Point Shooting Percentage Allowed. A logistic regression was utilized with the aforementioned metrics to generate a probability of a particular team winning each game. Then, a tournament simulation is developed and compared to real-world March Madness brackets to determine the accuracy of the model. Accuracies of performance were calculated using a naive approach and a Spearman rank correlation coefficient.
• Abstract（参考訳）: 本稿では,2013年以降のNCAAバスケットボールデータに基づいて,マーチマドネストーナメントの結果を予測するモデルを提案する。 このプロジェクトの枠組みは、関心のある4つの予測対象が調整された攻撃効率(ADJOE)、調整された防御効率(ADJDE)、パワーレーティング(Power Rating)、および2点ショットパーセンテージ( Two-point Shooting Percentage Allowed)であるFiveThrityEight NCAA March Madness予測モデルの単純化である。 ロジスティック回帰は、上記の指標を用いて、各ゲームに勝つ特定のチームが勝利する確率を生成する。 そして、実際のマーチマッドネスブラケットと比較してトーナメントシミュレーションを開発し、モデルの精度を判定する。 評価精度は, ナイーブアプローチとスピアマンランク相関係数を用いて算出した。

関連論文リスト

• Beyond Suspension: A Two-phase Methodology for Concluding Sports Leagues [0.0]
  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。
  論文  参考訳（メタデータ） (2024-03-29T22:23:35Z)
• ShuttleSHAP: A Turn-Based Feature Attribution Approach for Analyzing Forecasting Models in Badminton [52.21869064818728]
  バドミントンにおけるプレイヤー戦術予測のための深層学習アプローチは、部分的にはラリープレイヤの相互作用に関する効果的な推論に起因する有望なパフォーマンスを示している。 本稿では,Shapley値の変量に基づいてバドミントンにおける予測モデルを解析するためのターンベース特徴属性手法であるShuttleSHAPを提案する。
  論文  参考訳（メタデータ） (2023-12-18T05:37:51Z)
• Perturbation-Invariant Adversarial Training for Neural Ranking Models: Improving the Effectiveness-Robustness Trade-Off [107.35833747750446]
  正統な文書に不可避な摂動を加えることで 敵の例を作れます この脆弱性は信頼性に関する重大な懸念を生じさせ、NRMの展開を妨げている。 本研究では,NRMにおける有効・損耗トレードオフに関する理論的保証を確立する。
  論文  参考訳（メタデータ） (2023-12-16T05:38:39Z)
• 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)
• Machine Learning in Sports: A Case Study on Using Explainable Models for Predicting Outcomes of Volleyball Matches [0.0]
  本稿では,ブラジルバレーボールリーグ(SuperLiga)における試合結果を予測するための2相説明可能な人工知能(XAI)アプローチについて検討する。 第1フェーズでは、解釈可能なルールベースのMLモデルを直接使用し、モデルの振る舞いをグローバルに理解する。 第2フェーズでは,SVM(Support Vector Machine)やDNN(Deep Neural Network)といった非線形モデルを構築し,バレーボールの試合結果の予測性能を得る。
  論文  参考訳（メタデータ） (2022-06-18T18:09:15Z)
• Features selection in NBA outcome prediction through Deep Learning [0.0]
  1つの特徴(エロ評価または相対的な勝利頻度)に基づくモデルが、ボックススコア予測器を用いたモデルよりも適合する品質を持つことを示す。 16のNBAレギュラーシーズンのデータを含むデータセットでは、特徴が指数関数として計算されている。
  論文  参考訳（メタデータ） (2021-11-17T16:32:11Z)
• Direct Measure Matching for Crowd Counting [59.66286603624411]
  そこで本研究では,予測密度マップを散乱点付基底真理に直接回帰する測度に基づく新しい計数手法を提案する。 本稿では, シンクホーンの測位損失を計測するために設計した, 半平衡型のシンクホーン発散を導出する。
  論文  参考訳（メタデータ） (2021-07-04T06:37:33Z)
• 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)
• Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
  そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。 我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。 このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
  論文  参考訳（メタデータ） (2020-10-15T16:39:26Z)
• 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)
• Meta-Learned Confidence for Few-shot Learning [60.6086305523402]
  数ショットのメトリックベースのアプローチのための一般的なトランスダクティブ推論手法は、最も確実なクエリ例の平均で、各クラスのプロトタイプを更新することである。 本稿では,各クエリの信頼度をメタラーニングして,ラベルのないクエリに最適な重みを割り当てる手法を提案する。 4つのベンチマークデータセットに対してメタ学習の信頼度で、少数ショットの学習モデルを検証した。
  論文  参考訳（メタデータ） (2020-02-27T10:22:17Z)

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。