运用机器学习提高板球比赛的预测准确性
摘要：选手的选择是任何体育运动中最重要的任务之一，板球也不例外。选手的表现取决于各种因素，如对手队伍、场地、他们当前的状态等等。团队管理层、教练和队长从15到20名选手的候选队员中每场比赛选择11名选手。他们分析选手的不同特征和统计数据，为每场比赛选择最佳的11名选手。每位击球手通过尽可能得分来做出贡献，每位投球手通过尽可能取得最多的击球和失分最少来做出贡献。本文试图预测每位选手的表现，即每位击球手将得到多少分，每位投球手将取得多少击球，以及为两支球队。这两个问题被作为分类问题进行处理，其中得分和击球数被分类为不同的范围。我们使用朴素贝叶斯、随机森林、多类支持向量机和决策树分类器为这两个问题生成预测模型。发现随机森林分类器对这两个问题的预测最准确。
作者：Kalpdrum Passi and Niravkumar Pandey
论文ID：1804.04226
分类：Other Computer Science
分类简称：cs.OH
提交时间：2018-04-13