ИССЛЕДОВАНИЕ · RESEARCH · #2708
Оценка времени прибытия в спорте через квантильную регрессию: MLP превосходит физические модели
В препринте предлагается представлять время прибытия (TTA) — минимальное правдоподобное время, за которое игрок может добраться до точки — как задачу условной квантильной регрессии и обучается лёгкая многослойная персептронная модель (MLP) на оптических трекинг-данных всех 64 матчей набора PFF FC FIFA World Cup 2022. MLP сравнивают с шестью физическими моделями движения игроков, пересформулированными как предикторы TTA, и с базовой моделью reachable-hull; MLP стабильно превосходит эти подходы, и авторы также проверяют переносимость на данные баскетбола и одиночную игру НФЛ, опубликовав код в репозитории mguti97/TTA-Quantile.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- В препринте предлагается представлять время прибытия (TTA) — минимальное правдоподобное время, за которое игрок может добраться до точки — как задачу условной квантильной регрессии и обучается лёгкая многослойная персептронная модель (MLP) на оптических трекинг-данных всех 64 матчей набора PFF FC FIFA World Cup 2022.
- MLP сравнивают с шестью физическими моделями движения игроков, пересформулированными как предикторы TTA, и с базовой моделью reachable-hull; MLP стабильно превосходит эти подходы, и авторы также проверяют переносимость на данные баскетбола и одиночную игру НФЛ, опубликовав код в репозитории mguti97/TTA-Quantile.
- Обученная квантильная модель TTA, превосходящая физические базовые модели, может дать более точные данные о достижимости игрока и контроле пространства и быть применима в задачах спортивной аналитики между видами спорта.
ПОЧЕМУ ЭТО ВАЖНО
Обученная квантильная модель TTA, превосходящая физические базовые модели, может дать более точные данные о достижимости игрока и контроле пространства и быть применима в задачах спортивной аналитики между видами спорта.