論文の概要: OpenFPL: An open-source forecasting method rivaling state-of-the-art Fantasy Premier League services

• arxiv url: http://arxiv.org/abs/2508.09992v1
• Date: Tue, 29 Jul 2025 13:59:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-17 22:58:06.179597
• Title: OpenFPL: An open-source forecasting method rivaling state-of-the-art Fantasy Premier League services
• Title（参考訳）: OpenFPL: 最先端のFantasyプレミアリーグサービスと競合するオープンソースの予測手法
• Authors: Daniel Groos,
• Abstract要約: 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。
• 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 Premier League engages the football community in selecting the Premier League players who will perform best from gameweek to gameweek. Access to accurate performance forecasts gives participants an edge over competitors by guiding expectations about player outcomes and reducing uncertainty in squad selection. However, high-accuracy forecasts are currently limited to commercial services whose inner workings are undisclosed and that rely on proprietary data. This paper aims to democratize access to highly accurate forecasts of player performance by presenting OpenFPL, an open-source Fantasy Premier League forecasting method developed exclusively from public data. Comprising position-specific ensemble models optimized on Fantasy Premier League and Understat data from four previous seasons (2020-21 to 2023-24), OpenFPL achieves accuracy comparable to a leading commercial service when tested prospectively on data from the 2024-25 season. OpenFPL also surpasses the commercial benchmark for high-return players ($>$ 2 points), which are most influential for rank gains. These findings hold across one-, two-, and three-gameweek forecast horizons, supporting long-term planning of transfers and strategies while also informing final-day decisions.
• Abstract（参考訳）: ファンタシー・プレミアリーグ(Fantasy Premier League)は、プレミアリーグの選手を選出するサッカーコミュニティである。 正確なパフォーマンス予測へのアクセスは、プレイヤーの成果に対する期待を導き、チーム選択の不確実性を減らすことによって、参加者に競争相手に対する優位性を与える。 しかし、精度の高い予測は現在、内部の作業が開示されておらず、プロプライエタリなデータに依存している商用サービスに限られている。 本稿では,オープンソースのFantasy Premier League予測手法であるOpenFPLを公開データから開発した。 ファンタシー・プレミアリーグとアンダースタットの4シーズン(2020-21-2023-24)のデータに最適化されたポジション固有のアンサンブルモデルを含むOpenFPLは、2024-25シーズンのデータに基づいてテストした場合に、主要な商用サービスに匹敵する精度を達成している。 OpenFPLは、ハイリターンプレーヤー(+2ポイント)の商業ベンチマークも上回っている。 これらの調査結果は、1週間、2週間、3週間の予測の地平線を横切り、移行と戦略の長期計画を支援し、最終決定を下す。

関連論文リスト

• Who is a Better Player: LLM against LLM [53.46608216197315]
  本稿では,大規模言語モデル (LLM) の総合的な性能を評価するための対戦型ベンチマークフレームワークを提案する。 広範にプレイされている5つのゲームをサポートし,20のLDMを駆使したプレーヤーを対象とする,特別な評価プラットフォームであるQi Townを紹介した。
  論文  参考訳（メタデータ） (2025-08-05T06:41:47Z)
• Data-Driven Team Selection in Fantasy Premier League Using Integer Programming and Predictive Modeling Approach [0.0]
  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。
  論文  参考訳（メタデータ） (2025-05-04T16:21:59Z)
• The Leaderboard Illusion [61.27964089648608]
  アリーナは最も有能なAIシステムランキングのリーダーボードとして登場した。 我々は,ゆがんだ競技場に生じた体系的な問題を同定する。
  論文  参考訳（メタデータ） (2025-04-29T15:48:49Z)
• Consistency Checks for Language Model Forecasters [54.62507816753479]
  予測器の性能を,論理的に異なる質問に対する予測の整合性の観点から測定する。 我々は,一連の基本質問を生成し,これらの質問から整合性チェックをインスタンス化し,予測者の予測を導き,予測の整合性を測定する自動評価システムを構築した。
  論文  参考訳（メタデータ） (2024-12-24T16:51:35Z)
• Deep Learning and Transfer Learning Architectures for English Premier League Player Performance Forecasting [0.0]
  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。
  論文  参考訳（メタデータ） (2024-05-03T18:13:52Z)
• 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)
• 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)
• 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)
• 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。