感谢仔细阅读。关于荣誉设定问题:首先你说的历史前十以轮换身份夺冠目前是不存在的,最接近的88贾巴尔以主力身份夺冠,他的团队系数分只有0.15*0.5=0.075,整体加分3000*0.075≈220分,我认为在TOP5里是相对合理的。轮换身份夺冠排名最高的是霍华德,他的整体加分在1000*0.1=100分左右,在他的42位也相对合理。当然如果未来有类似5MVP+1轮换夺冠这类怪人出现,这个模型和算法就要再改了。
我之前看过你做的排名也受益良多。其实我们这类设定数值加权建模排名的方法本质上用的就是机器学习不断训练学习的思想,而非追求真理。比如你去求圆的面积,只要搞出π的准确值再套用公式,就得出准确结果。很多JR误认为既然不存在客观标准,那分值都是我主观认定,这有任何意义?但其实更多实际问题是不能用真理去搞的。阿法狗不是天生得到完美棋法,而是不断训练学习更多棋谱逐步完善自己才敢挑战柯洁的。同理柯洁的棋法也不是最优解,初学者都有权利可以质疑他,但不能否认他的价值。“以史为镜”是把历史当做行为模式加以训练学习应用到新的问题,而不是把它当公式套用。
这大概解释了为什么递减上限各有不同,因为首先就不存在它必须相同的理由。价值分、递减上线、调整系数这些统统没有必要相同或不同,他们都是在不断学习过程中调整,为趋近于理想结果的目标而服务的。至于为什么要一直递减,原文已有解释(比如A球员11全明星与B球员10全明星的差距,理应小于C球员1全明星与B球员0全明星的差距)。成长型模型应用边际效应可以控制数据累加导致模型崩坏。