首页 > 生活 > > 正文
2021-03-06 14:55:30

数据驱动的评分系统使运动队的选择更加容易

选择合适的运动队参加特定活动或在某些条件下比赛是许多选择者的噩梦。

但由惠灵顿维多利亚大学博士学位的Te Herenga Waka进行的研究。毕业的Ankit Patel博士可以简化他们棘手的任务。

Ankit,获得博士学位 在上个月的统计数据中,已经处理了许多数字,并发明了一种计算基于运动的运动员收视率的框架。

他说,评估系统必须“有意义”,即他们对团队和球员表现的评估是可靠,可靠,直观和透明的。

“想法是,它可以有效地预测比赛结果并制定团队选择策略,”帕特尔博士说。“这项工作目前正在多种体育法规中应用,尤其是板球和橄榄球。”

考虑到集团可能滥用该系统以及研究的商业敏感性,该系统的许多细节以及使用该系统的人必须保密。

DOT Loves Data拥有该系统的知识产权,DOT Loves Data的创始人兼首席运营官Paul Bracewell博士是Patel博士的主管之一,也是大学数学与统计学院的兼职研究员。

帕特尔博士说,开发系统的挑战之一是涉及影响玩家性能的参数数量,以及这些参数在任何游戏的不同阶段如何产生不同的影响。

“因此,例如,在板球比赛中,如果有人在第一局的前五局中一开始就击中6,则他们的收视率可能会上升2。但是,如果他们在第二局的倒数第二球中击中6,第二局,他们需要七次奔跑才能赢,可能会增加20局。

“该系统能够映射回现实结果并说明匹配条件和上下文的能力非常重要。因此,关键是该系统具有产生统计上可靠且健壮但也可以解释和直观的等级的能力。”

Patel博士拥有博士学位,同时拥有大学的金融,市场营销和统计学专业的商业学士/理学学士学位,统计学专业的理学硕士学位和应用统计专业的硕士学位。

他说,过去十年来,以数据为依据的评估系统对绩效进行评估的需求已显着增长。

“这已经在许多行业中经历过,但是在体育行业中最明显。”

要使用,他的模型“必须健壮,并具有良好的性能,其中数据是从范围广泛的概率分布中提取的,这些概率分布在很大程度上不受外围数据,与模型假设的微小偏离以及较小的样本量的影响。

“它必须是可靠的,评级能够产生准确,信息量高的预测,并且在可解释和易于传达方面经过了良好的校准和透明性。

“最后,它必须是直观的,其评级必须与现实世界中可观察到的结果以及应用该系统的环境有关。”

Patel博士的整体预测策略通过在板球世界中构建基于团队和个人玩家的评分系统进行了测试和验证。

它是他几年前在昆士兰州阳光海岸大学为第14届澳大利亚运动数学和计算机会议(Mathsport)提交论文时所做的工作,该会议是澳大利亚—新西兰工业和应用数学组织的一部分。

随后,他的工作获得了内维尔·德·麦斯特(Neville de Mestre)最佳学生论文和演讲奖的认可。

在他的第二篇论文中,他构造了一种方法来改进T20板球比赛第一局中预期总数的估计。这解决了与以前影响预测准确性的游戏环境有关的问题。

Patel博士已加入Precision Data公司,以帮助建立其数据科学和高级分析能力。