Re: [外絮] 用機器學習模型預估MVP得主
: 球隊勝率%
: 每場上場時間
: 球隊種子序
: WS/48
: 每場得分
: 出賽場次
: VORP
: 2分命中率
: 罰球次數
: 助攻數
: 每場籃板
: 整體命中率
: BPM
: Usage%
: 每場失誤數
: 真實命中率
: (以下不列,可以自己看圖)
其實前幾篇文章有稍微回應機器學習的問題
也提到了nash比較像非典型的MVP
這時候再回頭來看這些輸入訓練的特徵
就會看出問題了 全都是最典型的數據
nash的太陽隊球風確實帶出了不同的NBA視界
以全球商業導向的nba市場 甚至是廣大的球迷
都感受到他帶出來的影響力
像球風觀賞性和市場推廣力這類的特徵卻很難量化做為訓練模型的特徵值
也許模型應該放入球衣銷售量
轉播收視率
那就會發現沒人偷了歐肥的MVP
而且可能預測結果是遙遙領先第二名
失敗的模型是無法定義這兩屆MVP給大家的感動的
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.71.78.148 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/NBA/M.1619780455.A.E3A.html
推
04/30 19:11,
3年前
, 1F
04/30 19:11, 1F
推
04/30 19:12,
3年前
, 2F
04/30 19:12, 2F
推
04/30 19:16,
3年前
, 3F
04/30 19:16, 3F
推
04/30 19:24,
3年前
, 4F
04/30 19:24, 4F
推
04/30 19:26,
3年前
, 5F
04/30 19:26, 5F
推
04/30 19:55,
3年前
, 6F
04/30 19:55, 6F
→
04/30 20:14,
3年前
, 7F
04/30 20:14, 7F
→
04/30 20:14,
3年前
, 8F
04/30 20:14, 8F
→
04/30 20:14,
3年前
, 9F
04/30 20:14, 9F
推
04/30 21:39,
3年前
, 10F
04/30 21:39, 10F
推
04/30 21:59,
3年前
, 11F
04/30 21:59, 11F
推
04/30 22:08,
3年前
, 12F
04/30 22:08, 12F
→
04/30 22:09,
3年前
, 13F
04/30 22:09, 13F
→
04/30 22:09,
3年前
, 14F
04/30 22:09, 14F
→
04/30 22:10,
3年前
, 15F
04/30 22:10, 15F
→
04/30 22:39,
3年前
, 16F
04/30 22:39, 16F
討論串 (同標題文章)
NBA 近期熱門文章
108
299
PTT體育區 即時熱門文章
32
54