論文の概要: Data-Driven Team Selection in Fantasy Premier League Using Integer Programming and Predictive Modeling Approach

• arxiv url: http://arxiv.org/abs/2505.02170v1
• Date: Sun, 04 May 2025 16:21:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-06 18:49:35.462181
• Title: Data-Driven Team Selection in Fantasy Premier League Using Integer Programming and Predictive Modeling Approach
• Title（参考訳）: 整数計画法と予測モデルを用いたファンタシープレミアリーグにおけるデータ駆動チーム選択
• Authors: Danial Ramezani,
• Abstract要約: 本稿では、最適開始11とキャプテンを選択する新しい決定論的かつ堅牢な整数計画モデルを提案する。 解釈可能な人工知能フレームワークと、基礎となるマッチング性能データを用いて、新しいハイブリッドスコアリングメトリクスを構築する。 その結果,提案手法は一貫した性能を維持しつつ高い評価を得た。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fantasy football is a billion-dollar industry with millions of participants. Constrained by a fixed budget, decision-makers draft a squad whose players are expected to perform well in the upcoming weeks to maximize total points. This paper proposes novel deterministic and robust integer programming models that select the optimal starting eleven and the captain. A new hybrid scoring metric is constructed using an interpretable artificial intelligence framework and underlying match performance data. Several objective functions and estimation techniques are introduced for the programming model. To the best of my knowledge, this is the first study to approach fantasy football through this lens. The models' performance is evaluated using data from the 2023/24 Premier League season. Results indicate that the proposed hybrid method achieved the highest score while maintaining consistent performance. Utilizing the Monte Carlo simulation, the strategic choice of averaging techniques for estimating cost vectors, and the proposed hybrid approach are shown to be effective during the out-of-sample period. This paper also provides a thorough analysis of the optimal formations and players selected by the models, offering valuable insights into effective fantasy football strategies.
• Abstract（参考訳）: ファンタシーフットボールは、何百万人もの参加者を抱える10億ドル規模の産業である。 定額制の予算で制限された意思決定者は、選手が今後数週間で活躍し、総得点を最大化すると予想されるチームを起草する。 本稿では、最適開始11とキャプテンを選択する新しい決定論的かつ堅牢な整数計画モデルを提案する。 解釈可能な人工知能フレームワークと、基礎となるマッチング性能データを用いて、新しいハイブリッドスコアリングメトリクスを構築する。 プログラミングモデルにいくつかの客観的関数と推定手法を導入している。 私の知る限りでは、このレンズを通してファンタジーフットボールにアプローチする最初の研究だ。 モデルの性能は2023/24プレミアリーグシーズンのデータを用いて評価される。 その結果,提案手法は一貫した性能を維持しつつ高い評価を得た。 モンテカルロシミュレーションを用いることで, コストベクトル推定における平均化手法の戦略的選択と, 提案手法のハイブリッド化は, アウト・オブ・サンプル期間に有効であることが示されている。 また,本論文では,モデルが選択した最適なフォーメーションとプレーヤを網羅的に分析し,効果的なファンタジーフットボール戦略に関する貴重な洞察を提供する。

関連論文リスト

• Analyzing Skill Element in Online Fantasy Cricket [1.6093668627931699]
  我々は,オンラインファンタジークリケットプラットフォームにおける成功決定におけるスキルの役割を評価するための統計的枠組みを開発する。 戦略パフォーマンスは、Megaと4x or Nothingという2つのコンテスト構造の下で、ポイント、ランク、ペイオフに基づいて評価される。 適応行動を捉えるために,エージェント集団がソフトマックス再重み付け機構を通じて進化する動的トーナメントモデルを導入する。
  論文  参考訳（メタデータ） (2025-12-24T06:55:23Z)
• MMR1: Enhancing Multimodal Reasoning with Variance-Aware Sampling and Open Resources [113.33902847941941]
  VAS (Variance-Aware Sampling) は、Variance Promotion Score (VPS) によって導かれるデータ選択戦略である。 我々は、1.6MのCoT冷間開始データと15kのRLQAペアを含む大規模かつ慎重にキュレートされたリソースをリリースする。 数学的推論ベンチマークによる実験では、キュレートされたデータと提案されたVASの有効性が示されている。
  論文  参考訳（メタデータ） (2025-09-25T14:58:29Z)
• OpenFPL: An open-source forecasting method rivaling state-of-the-art Fantasy Premier League services [0.0]
  本稿では,オープンソースのFantasy Premier League予測手法であるOpenFPLについて述べる。 OpenFPLは2024-25シーズンのデータで前向きにテストした場合、主要な商用サービスに匹敵する精度を達成する。
  論文  参考訳（メタデータ） (2025-07-29T13:59:51Z)
• Not All Rollouts are Useful: Down-Sampling Rollouts in LLM Reinforcement Learning [55.15106182268834]
  検証可能な報奨付き強化学習(RLVR)が,大規模言語モデルにおける推論能力向上のための主要なアプローチとして登場した。 ロールアウト生成は恥ずかしく並列であり、メモリライトであるのに対して、ポリシー更新は通信量が多く、メモリ集約的である。 PODS(Policy Optimization with Down-Sampling)を導入し、戦略的に選択されたロールアウトサブセットでのみトレーニングすることで、ポリシー更新からロールアウト生成を分離する。
  論文  参考訳（メタデータ） (2025-04-18T17:49:55Z)
• Cream of the Crop: Harvesting Rich, Scalable and Transferable Multi-Modal Data for Instruction Fine-Tuning [59.56171041796373]
  我々は、堅牢で効率的なマルチモーダル・インストラクショナルデータを収集する。 インタラクションスタイルを多様性指標とし、マルチモーダルリッチなスタイルラーを用いてデータインストラクションパターンを識別する。 14のマルチモーダルベンチマークによって検証された10以上の実験環境において、ランダムサンプリング、ベースライン戦略、最先端の選択方法に対する一貫した改善を示す。
  論文  参考訳（メタデータ） (2025-03-17T17:11:22Z)
• Multi-Step Alignment as Markov Games: An Optimistic Online Gradient Descent Approach with Convergence Guarantees [91.88803125231189]
  Reinforcement Learning from Human Feedback (RLHF) は、大きな言語モデルと人間の好みを合わせることに成功している。 DPOのような一般的な手法は高い性能を示してきたが、彼らは言語モデルとの相互作用を帯域幅の問題として捉えている。 本稿では,アライメント問題を2プレイヤー定数マルコフゲームとしてモデル化することで,これらの課題に対処する。
  論文  参考訳（メタデータ） (2025-02-18T09:33:48Z)
• How to Select Datapoints for Efficient Human Evaluation of NLG Models? [57.60407340254572]
  人間の評価に最も有用なデータポイントを得るためのセレクタ群を開発した。 本研究では,自動測定値の分散に基づくセレクタ,モデル出力の多様性,項目応答理論がランダム選択より優れていることを示す。 特に,情報源に基づく推定手法を導入し,情報源のテキストに基づいて人体評価に有用な項目を推定する。
  論文  参考訳（メタデータ） (2025-01-30T10:33:26Z)
• Optimizing Fantasy Sports Team Selection with Deep Reinforcement Learning [0.2399911126932527]
  我々は,チームの潜在的なパフォーマンスを最大化するために,プレイヤーを適応的に選択できるモデルを開発する。 我々の手法は、過去のプレイヤーデータを利用してRLアルゴリズムを訓練し、将来のパフォーマンスを予測し、チーム構成を最適化する。 以上の結果から,RLベースの戦略が,ファンタジースポーツにおける選手選択に有意義な洞察をもたらすことが示唆された。
  論文  参考訳（メタデータ） (2024-12-26T13:36:18Z)
• Multi-agent Multi-armed Bandits with Stochastic Sharable Arm Capacities [69.34646544774161]
  我々は、各アームへのリクエストの到着とプレイヤーへのリクエストの割り当てポリシーをキャプチャするマルチプレイヤーマルチアーム・バンディット(MAB)モデルの新しいバリエーションを定式化する。 課題は、プレイヤーが最適な腕引きプロファイルに従って腕を選択するように分散学習アルゴリズムを設計する方法である。 我々は,Mラウンドのみの最適腕引きプロファイルにおいて,プレイヤーがコンセンサスに達することを保証した反復分散アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2024-08-20T13:57:00Z)
• Iterative Nash Policy Optimization: Aligning LLMs with General Preferences via No-Regret Learning [55.65738319966385]
  我々は、新しいオンラインアルゴリズム、反復的ナッシュポリシー最適化(INPO)を提案する。 従来の方法とは異なり、INPOは個々の応答に対する期待される勝利率を推定する必要性を回避している。 LLaMA-3-8BベースのSFTモデルで、INPOはAlpacaEval 2.0で42.6%、Arena-Hardで37.8%の勝利率を達成した。
  論文  参考訳（メタデータ） (2024-06-30T08:00:34Z)
• 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)
• Method and Validation for Optimal Lineup Creation for Daily Fantasy Football Using Machine Learning and Linear Programming [0.0]
  デイリー・ファンタジー・スポーツ(英: Daily fantasy Sports、DFS)は、個人選手の実際の演奏をファンタジー・ポイント(FPTS)に変換するオンライン・コンテストである。 本稿では,(1)不確実性の下でNFL選手のパフォーマンスを予測する手法の開発,(2)設定された給与上限の下でFPTSを最大化するための最適ラインアップを決定することに焦点を当てる。
  論文  参考訳（メタデータ） (2023-09-26T20:26:32Z)
• MILO: Model-Agnostic Subset Selection Framework for Efficient Model Training and Tuning [68.12870241637636]
  モデル学習からサブセット選択を分離するモデルに依存しないサブセット選択フレームワークMILOを提案する。 実験結果から、MILOはモデルを3ドル(約3,300円)でトレーニングし、ハイパーパラメータを20ドル(約2,300円)でチューニングできます。
  論文  参考訳（メタデータ） (2023-01-30T20:59:30Z)
• Predicting Football Match Outcomes with eXplainable Machine Learning and the Kelly Index [0.0]
  フットボールの試合の結果を予測するための機械学習アプローチが開発されている。 このデータセットは、2019-2021シーズンをカバーするプレミアリーグの試合データに由来する。 また、本書の確率をベンチマークすることで、その効果を評価するための投資戦略も考案した。
  論文  参考訳（メタデータ） (2022-11-28T19:32:58Z)
• Data Science Approach to predict the winning Fantasy Cricket Team Dream 11 Fantasy Sports [0.0]
  データサイエンスと分析の応用は現代世界ではユビキタスである。 ゲームプレイヤのパフォーマンスを予測する予測モデルを構築した。
  論文  参考訳（メタデータ） (2022-09-15T01:58:57Z)
• Meta-Wrapper: Differentiable Wrapping Operator for User Interest Selection in CTR Prediction [97.99938802797377]
  クリックスルー率(CTR)予測は、ユーザーが商品をクリックする確率を予測することを目的としており、リコメンデーションシステムにおいてますます重要になっている。 近年,ユーザの行動からユーザの興味を自動的に抽出する深層学習モデルが大きな成功を収めている。 そこで我々は,メタラッパー(Meta-Wrapper)と呼ばれるラッパー手法の枠組みに基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-06-28T03:28:15Z)
• 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)
• DORB: Dynamically Optimizing Multiple Rewards with Bandits [101.68525259222164]
  政策に基づく強化学習は、言語生成タスクにおいて、微分不可能な評価指標を最適化するための有望なアプローチであることが証明されている。 We use the Exp3 algorithm for bandit and formulate two approach for bandit rewards: (1) Single Multi-reward Bandit (SM-Bandit), (2) Hierarchical Multi-reward Bandit (HM-Bandit) 我々は,2つの重要なNLGタスクにおいて,様々な自動計測と人的評価を通じて,我々のアプローチの有効性を実証的に示す。
  論文  参考訳（メタデータ） (2020-11-15T21:57:47Z)
• 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)

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。