PTT體育區 / Badminton (羽毛球)

[分享] 全英熱身賽有用嗎? 打幾場比較好?

看板Badminton (羽毛球)作者 (藍琦)時間3周前 (2026/02/27 15:42), 3周前編輯推噓7(7推 0噓 34→)
留言41則, 6人參與, 2周前最新討論串1/1
為了統計全英熱身賽有沒有用, 做了一個數學模型 先把選手的 Elo積分 當作基礎戰鬥力 假設全英前一週的比賽場數 會提供不同的 Buff (若得到負數則是 Debuff) 上週打 1 場 → 戰鬥力 +A 上週打 2 場 → 戰鬥力 +B (從原始 Elo 往上加, 不是先+A 再+B) 上週打 3 場 → 戰鬥力 +C 上週打 4 場 → 戰鬥力 +D 上週打 5 場 → 戰鬥力 +E (打到決賽) 再把歷史數據丟進迴歸模型去 fit 這五個參數 (Logistic Regression) 得到這套戰鬥力調整值後, 最後驗證有沒有比只看 elo 更準 (算 log loss) [男單] 上週打 1 場相當於 Elo + 82 2 場相當於 Elo +182 3 場相當於 Elo +209 (八強) 4 場相當於 Elo +258 (四強) 5 場相當於 Elo +288 (決賽) Log loss 0.606→0.573 代表這個指標讓模型變好 5.4%, 已經算顯著差異 這個數據怎麼看? 1. Elo 調整值越來越高 代表鎖定在這種 過年休息→s300熱身→第二週全英的節奏下 「多打找手感」的優勢目前還大於連續出賽的疲勞 2. 如果兩個實力相當的人在全英相遇 (Elo相近) 其中一個人上週休息 另一個人上禮拜去熱身賽打了八強, Elo +209 等於勝率憑空上升到 77% 3. 雖然 4~5場 可能小樣本或倖存者偏差, 但前幾場的趨勢是可以參考的 [女單] 上週打 1 場相當於 Elo +124 2 場相當於 Elo + 78 3 場相當於 Elo + 57 (八強) 4 場相當於 Elo + 33 (四強) 5 場相當於 Elo + 49 (決賽) Log loss 0.417→0.403 代表這個指標讓模型變好 3.4% 也很高了 這個數據怎麼看? 1. 與男單的情況不同, 女單反而是越早跑越好, 每多打一場都在扣血 一樣拿原本五五開, Elo 接近的兩個人來比 上週一輪遊 vs 上週認真打到四強, 前者直接拿到了 63% 的勝率優勢 2. 可能會注意到 Log loss 比男單低很多, 經過換算 女單的比賽看 Elo 就決定了 66% 男單則差不多只有 55% 3. 打到第五場回升可能是過擬合或 ID 差距 4. 既然提到 ID 差距就順便算一下霸王色霸氣 假如球衣上印的是八大或安洗瑩 站到球場就先 +125 分, 比什麼熱幾場都多... [結論] 熱身賽要打, 十個數值都是正的, 正多正少而已 -- 第一次看到 Elo 的人可參考: https://zh.wikipedia.org/zh-tw/%E7%AD%89%E7%BA%A7%E5%88%86 取用的是 2018, 2019, 2022, 2023, 2025 五年的數據 (再往前熱身賽變成六輪, 疫情停辦兩年, 2024全英前一週是 s750) 如果有什麼地方解釋得怪怪的或是其他有興趣的指標可以討論看看 0.0 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.161.161.142 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Badminton/M.1772178137.A.610.html
推
02/27 17:44, 3周前 , 1F
頗有意思的數據！
02/27 17:44, 1F
推
02/27 19:45, 3周前 , 2F
覺得不能這樣看 男單很戰國 女單就固定那幾個
02/27 19:45, 2F
→
02/27 20:43, 3周前 , 3F
願聞其詳 (?) 是男單不能還是女單不能
02/27 20:43, 3F
推
02/28 15:07, 3周前 , 4F
？？？？？？？
02/28 15:07, 4F
推
03/01 01:00, 3周前 , 5F
也可能說實力高的人可以連續兩週狀態好實力壓制奪冠
03/01 01:00, 5F
→
03/01 18:08, 3周前 , 6F
實力高就是elo高, 這個數據是表示實力外的影響
03/01 18:08, 6F
→
03/01 18:09, 3周前 , 7F
也許就是狀態 狀態怎麼來=>熱身來
03/01 18:09, 7F
→
03/01 18:23, 3周前 , 8F
不過主要是看那些中段選手能不能一兩輪變兩三輪
03/01 18:23, 8F
→
03/01 18:23, 3周前 , 9F
(強者樣本少很難說)
03/01 18:23, 9F
推
03/02 09:25, 3周前 , 10F
想小聲問個問題：選手有辦法自己決定熱身賽打幾場/
03/02 09:25, 10F
→
03/02 09:25, 3周前 , 11F
幾輪嗎？照大大的意思是，熱身賽打越多場對正賽幫助
03/02 09:25, 11F
→
03/02 09:25, 3周前 , 12F
越大，所以選手應該要多打幾輪；但如果打得贏誰不會
03/02 09:25, 12F
→
03/02 09:25, 3周前 , 13F
繼續往下打？
03/02 09:25, 13F
如果數據有效, 我想對男單的意義是: 不需要故意省力打 (女單則相反)
→
03/02 09:25, 3周前 , 14F
我會覺得打到第五輪Elo+288的數值意義是，代表當下該
03/02 09:25, 14F
→
03/02 09:26, 3周前 , 15F
選手的實力已經比Elo排名強，只是還沒有反應到Elo上;
03/02 09:26, 15F
→
03/02 09:26, 3周前 , 16F
而不是只要熱身賽打五場我的能力就能比自己的
03/02 09:26, 16F
→
03/02 09:26, 3周前 , 17F
Elo加288的buff
03/02 09:26, 17F
不過女單卻沒有發現一樣冠軍加爆的情形(?) 的確 Elo 需要是穩定的才能有效代表實力, 而冠亞軍很有可能 Elo 持續上升中 如果真的要拆解這個數據可能可以擴大追蹤全英前後的 Elo 變化 雖然少數人的 Elo 可能還沒穩定, 但覆蓋比較多選手的 0~3 場應該相對平滑 而這個區段仍有兩個重要的線索: 1. 有打比沒打好 2. 女單固定下降, 男單固定上升 (也稍微提升了對 4~5 場數值的信心) 感謝提出這些有意義的討論~~ 數據不會說話 人才會說話 我也一直在想哪邊可能不完備/有漏洞 ※ 編輯: b1236711 (1.161.161.142 臺灣), 03/02/2026 16:45:20
推
03/02 17:21, 3周前 , 18F
女單沒有加爆的原因不就是因為女單強的只有少數幾個
03/02 17:21, 18F
→
03/02 17:21, 3周前 , 19F
人嗎？(我跟二樓大大看法一致) 打到冠亞軍時幾乎都
03/02 17:21, 19F
→
03/02 17:21, 3周前 , 20F
是固定的人，所以第五輪原本的 Elo 排名就已經能反
03/02 17:21, 20F
→
03/02 17:21, 3周前 , 21F
映該選手實力水準，於是在你的模型裡加的分就不多
03/02 17:21, 21F
→
03/02 23:05, 3周前 , 22F
其實滿有道理的 XD 所以我覺得 4-5 場不用太認真看
03/02 23:05, 22F
推
03/03 11:12, 3周前 , 23F
我會覺得這個模型的問題是ABCDE變數彼此不是相互獨
03/03 11:12, 23F
→
03/03 11:12, 3周前 , 24F
立的，也就是「打5場的一定至少贏了4場、打4場的一
03/03 11:12, 24F
→
03/03 11:12, 3周前 , 25F
定至少贏了3場…」，以統計的角度來說這樣用在logis
03/03 11:12, 25F
→
03/03 11:12, 3周前 , 26F
tic model很奇怪，用log loss進步百分比來判斷模型
03/03 11:12, 26F
→
03/03 11:12, 3周前 , 27F
有效性也不是很嚴謹（所謂達到顯著差異是有明確定義
03/03 11:12, 27F
→
03/03 11:12, 3周前 , 28F
的）不過在機器學習領域好像都不用管這些，反正fit
03/03 11:12, 28F
→
03/03 11:12, 3周前 , 29F
出貼近結果的模型就好（茶）
03/03 11:12, 29F
→
03/03 16:39, 2周前 , 30F
其實我是故意設計成獨立的 如果出來有連續性就更有
03/03 16:39, 30F
→
03/03 16:39, 2周前 , 31F
信心(?)
03/03 16:39, 31F
→
03/03 17:31, 2周前 , 32F
欸抖…我是說你的變數沒獨立，不是有獨立XD
03/03 17:31, 32F
→
03/03 21:54, 2周前 , 33F
這幾個數字的性質上是有關的 但我在建模型的時候
03/03 21:54, 33F
→
03/03 21:54, 2周前 , 34F
4場的就是4場的人 2場的就是2場的人 是當獨立變數
03/03 21:54, 34F
→
03/04 00:29, 2周前 , 35F
你沒有看懂我為什麼說他們不是獨立變數… 然後你說
03/04 00:29, 35F
→
03/04 00:29, 2周前 , 36F
的也不是獨立變數的意思…
03/04 00:29, 36F
→
03/04 00:30, 2周前 , 37F
不過我想是我的問題，我一直在用統計的角度思考(my
03/04 00:30, 37F
→
03/04 00:30, 2周前 , 38F
bad)，但對機器學習領域來說本就無須這麼嚴謹，模型
03/04 00:30, 38F
→
03/04 00:30, 2周前 , 39F
預測力最重要~
03/04 00:30, 39F
→
03/04 00:30, 2周前 , 40F
還是建議多思考變數選擇的邏輯，並請小心解讀 insig
03/04 00:30, 40F
→
03/04 00:30, 2周前 , 41F
ht… anyways, good job!!
03/04 00:30, 41F
‣ 更多 b1236711 的文章
文章代碼(AID): #1feKhPOG (Badminton)
Badminton 近期熱門文章
更多 近期熱門文章 >>
PTT體育區 即時熱門文章
更多 即時熱門文章 >>
‣ 更多 b1236711 的文章
文章代碼(AID): #1feKhPOG (Badminton)