全部回帖
好帖,蓝底红字的配色能不能优化一下,眼已瞎[捂脸]
好帖,蓝底红字的配色能不能优化一下,眼已瞎[捂脸]
不好意思,下次改
不好意思,下次改
不应该用满分十分的评分乘以系数,应该用(评分-6.5)*系数。假设在踢曼城的比赛里有个球员灾难性表现只在sofascore拿到5分这一不及格的分数,但是乘上2.05后照样要比踢诺亚拿到满分10分的球员(至少参与四个进球)要高,不太合适。所以应该把评分减去6.5这一初始分数。
不应该用满分十分的评分乘以系数,应该用(评分-6.5)*系数。假设在踢曼城的比赛里有个球员灾难性表现只在sofascore拿到5分这一不及格的分数,但是乘上2.05后照样要比踢诺亚拿到满分10分的球员(至少参与四个进球)要高,不太合适。所以应该把评分减去6.5这一初始分数。
基本符合预期,老哥牛
基本符合预期,老哥牛
其实不会,sofascore的评分还挺客观的,平等地对待每一个位置首发和替补,上一场对阿森纳帕尔默6.7分,替补上场助攻的恩佐7.1就不说了,穆德里克也是6.7
[图片]
其实不会,sofascore的评分还挺客观的,平等地对待每一个位置首发和替补,上一场对阿森纳帕尔默6.7分,替补上场助攻的恩佐7.1就不说了,穆德里克也是6.7
助攻会加分,如果没有进球或助攻,一般分值会低
助攻会加分,如果没有进球或助攻,一般分值会低
三场以下就不用统计了吧
三场以下就不用统计了吧
好活!
不过目前受限于样本数太小,感觉准确度还是会受一点影响。
应该说这个模型是能够综合性评价球员价值的。但引入难度系数有个小问题,存在bias和内生性问题,比如有时候我们根据某个球员过往表现认为他强所以把他派去打强队,但其实那个时候他未必有之前强,也未必有被派去打弱队的球员强,但乘以系数后他的分数仍比其他人高,而因为我们也没法控制变量,所以很难得出cause-effect结论。还有就是伤病因素也存在不定干扰。
不过还是好活!毕竟哪能有没bias的统计回归呢哈哈,有意义就行。给楼主点赞👍
好活!
不过目前受限于样本数太小,感觉准确度还是会受一点影响。
应该说这个模型是能够综合性评价球员价值的。但引入难度系数有个小问题,存在bias和内生性问题,比如有时候我们根据某个球员过往表现认为他强所以把他派去打强队,但其实那个时候他未必有之前强,也未必有被派去打弱队的球员强,但乘以系数后他的分数仍比其他人高,而因为我们也没法控制变量,所以很难得出cause-effect结论。还有就是伤病因素也存在不定干扰。
不过还是好活!毕竟哪能有没bias的统计回归呢哈哈,有意义就行。给楼主点赞👍
那我建议,增加这个出场时间的加权。这个胜率赔率肯定是在变的,球员是首发还是替补,以及是落后时上场,还是领先时上场,还是平局时上场,这些都在变化。
那我建议,增加这个出场时间的加权。这个胜率赔率肯定是在变的,球员是首发还是替补,以及是落后时上场,还是领先时上场,还是平局时上场,这些都在变化。
sofascore评分好像已经有内置出场时间这个变量?不知道加上这个跑出来会不会更准确。
sofascore评分好像已经有内置出场时间这个变量?不知道加上这个跑出来会不会更准确。
sofascore评分好像已经有内置出场时间这个变量?不知道加上这个跑出来会不会更准确。
sofascore评分好像已经有内置出场时间这个变量?不知道加上这个跑出来会不会更准确。
主要是考虑楼主的模型里头有赔率作为关键参数,我觉得可以引入一些赛中赔率变化更精准。
主要是考虑楼主的模型里头有赔率作为关键参数,我觉得可以引入一些赛中赔率变化更精准。
好活!不过目前受限于样本数太小,感觉准确度还是会受一点影响。应该说这个模型是能够综合性评价球员价值的。但引入难度系数有个小问题,存在bias和内生性问题,比如有时候我们根据某个球员过往表现认为他强所以把他派去打强队,但其实那个时候他未必有之前强,也未必有被派去打弱队的球员强,但乘以系数后他的分数仍比其他人高,而因为我们也没法控制变量,所以很难得出cause-effect结论。还有就是伤病因素也存在不定干扰。不过还是好活!毕竟哪能有没bias的统计回归呢哈哈,有意义就行。给楼主点赞👍
好活!
不过目前受限于样本数太小,感觉准确度还是会受一点影响。
应该说这个模型是能够综合性评价球员价值的。但引入难度系数有个小问题,存在bias和内生性问题,比如有时候我们根据某个球员过往表现认为他强所以把他派去打强队,但其实那个时候他未必有之前强,也未必有被派去打弱队的球员强,但乘以系数后他的分数仍比其他人高,而因为我们也没法控制变量,所以很难得出cause-effect结论。还有就是伤病因素也存在不定干扰。
不过还是好活!毕竟哪能有没bias的统计回归呢哈哈,有意义就行。给楼主点赞👍
关于减少bias影响,有一种思路可能是:不是直接取每个球员每场评分,而是取其评分相对于该场比赛球员均分的距离,也就是做一个投影?因为足球比赛评分可能有一定的空间自相关性(赢的比赛分一般比输时高,有人大c,其他人可能也享受红利等等),所以如果用上空间异质性算法的话,可能会更准确。
关于减少bias影响,有一种思路可能是:不是直接取每个球员每场评分,而是取其评分相对于该场比赛球员均分的距离,也就是做一个投影?因为足球比赛评分可能有一定的空间自相关性(赢的比赛分一般比输时高,有人大c,其他人可能也享受红利等等),所以如果用上空间异质性算法的话,可能会更准确。
好活!不过目前受限于样本数太小,感觉准确度还是会受一点影响。应该说这个模型是能够综合性评价球员价值的。但引入难度系数有个小问题,存在bias和内生性问题,比如有时候我们根据某个球员过往表现认为他强所以把他派去打强队,但其实那个时候他未必有之前强,也未必有被派去打弱队的球员强,但乘以系数后他的分数仍比其他人高,而因为我们也没法控制变量,所以很难得出cause-effect结论。还有就是伤病因素也存在不定干扰。不过还是好活!毕竟哪能有没bias的统计回归呢哈哈,有意义就行。给楼主点赞👍
好活!
不过目前受限于样本数太小,感觉准确度还是会受一点影响。
应该说这个模型是能够综合性评价球员价值的。但引入难度系数有个小问题,存在bias和内生性问题,比如有时候我们根据某个球员过往表现认为他强所以把他派去打强队,但其实那个时候他未必有之前强,也未必有被派去打弱队的球员强,但乘以系数后他的分数仍比其他人高,而因为我们也没法控制变量,所以很难得出cause-effect结论。还有就是伤病因素也存在不定干扰。
不过还是好活!毕竟哪能有没bias的统计回归呢哈哈,有意义就行。给楼主点赞👍
目前看下来的建议里面可操作性最高的,老哥也专业啊,有兴趣以后可以多探讨!
目前看下来的建议里面可操作性最高的,老哥也专业啊,有兴趣以后可以多探讨![祈祷]
楼主能不能帮我萨也搞一个系统
楼主能不能帮我萨也搞一个系统
目前看下来的建议里面可操作性最高的,老哥也专业啊,有兴趣以后可以多探讨![祈祷]
目前看下来的建议里面可操作性最高的,老哥也专业啊,有兴趣以后可以多探讨![祈祷]
谢谢认可!专业不敢当哈哈。我技术和经验不多,就一般商科水平,可能因为刚上了一个经济数据分析的课,恰好我们小组做了房屋定价模型,所以想到了一些。
很高兴能交流足球统计分析问题!我以前也想过一些足球问题,比如,怎样通过数据判断球场上哪个位置更重要?如何从理论上寻找最佳足球阵型?之类的。想法虽有,进展不多。反正肯定欢迎探讨哈哈。
谢谢认可!专业不敢当哈哈。我技术和经验不多,就一般商科水平,可能因为刚上了一个经济数据分析的课,恰好我们小组做了房屋定价模型,所以想到了一些。
很高兴能交流足球统计分析问题!我以前也想过一些足球问题,比如,怎样通过数据判断球场上哪个位置更重要?如何从理论上寻找最佳足球阵型?之类的。想法虽有,进展不多。反正肯定欢迎探讨哈哈。
上海匡慧网络科技有限公司 沪B2-20211235 沪ICP备2021021198号-6 Copyright ©2021 KUANGHUI All Rights Reserved. 匡慧公司 版权所有