我对贝叶斯草案模型的工作方式做了一个重大改进，它是betway网页版现在正在网站上直播。以前，通过专家模拟草稿输入，模型只能间接地说明位置和团队需要。这就产生了一个很好的连续的概率曲线。这是一个很酷的图表，但它漏掉了有用的信息。

现在，该模型研究的是持有每个选秀号的球队的需求，如果这个前景符合其中一个需求，那么他在这个选秀中被选中的概率就会提高。如果他的位置不符合选中队的需要，他被选中的可能性就会降低。

选择概率提高或降低的程度取决于球队在需要的位置上选择球员的频率。球队似乎更倾向于在选秀的顶部而不是底部进行选秀。因此，模型调整的幅度反映了团队在起草需求时的总体倾向。以下是自2011年以来球队根据需要进行选择的频率:



所有这些都取决于我们如何定义团队需求，这可能是一个有争议的问题。对于模型的训练数据，我使用了几个公认的团队需求来源，包括像Mel Kiper和Ourlads的球童服务。

草案模型采用贝叶斯推理，将团队需求和位置输入纳入考虑其他因素的方式。

有一个额外的皱纹可以提到，这是交易。交易可以在任何时候发生，在特定的选择号码中更改团队需要。因此，贸易的可能性，该模型需要考虑的力量。

下面是如何将团队需求包含到草案模型中，从而改变结果。左图是样本玩家在调整需求前的概率分布。注意它是连续的。右边的图表显示了考虑团队需求后的情况。它是参差不齐且不连续的(因为团队需求是不连续的)。它也更有信心，因为我们有更多相关的信息。最终结果分布中的峰值对应于玩家位置与团队所需的匹配。唯一的缺点是，它不像左边的迷人的贝叶斯改进那样美观。


如果你想知道我们是否可以调整模型具体的团队倾向在需要的时候，答案是我们可以，但这可能不是个好主意。在足够多的变化条件下，没有足够长的跟踪记录来获得任何统计上的确定性。试图为单个团队量身定制模型将会在偏差/方差权衡中处于错误的一边。团队管理者改变了，个人管理者的理念改变了，环境改变了。我们需要多年的选秀观察，才能确信一支球队的选秀比联盟整体的选秀更频繁或更少。

但是，如果你很好奇，这里就是从'11年以来的所有7轮都需要每支球队所需的频率。

团队	起草的需要
阿里	0.45
ATL	0.64
bal	0.58
缓冲区	0.53
车	0.56
气	0.74
CIN	0.56
cle	0.61
木豆	0.55
den	0.67
黛联	0.53
GB.	0.70
侯	0.36
印第安纳州	0.52
JAX	0.58
KC	0.52
米娅	0.52
最小值	0.51
不	0.67
没有	0.77
nyg.	0.61
NYJ.	0.37
橡木	0.53
φ	0.61
坑	0.52
SD	0.46
海	0.63
科幻小说	0.55
STL	0.43
结核病	0.58
十	0.61
曾是	0.44