
我对贝叶斯草案模型的工作方式做了很大的改进betway网页版
现在在网站上运行。以前,该模型只间接计入位置和团队需要通过专家模拟选秀输入。这就产生了一个很好的连续的概率曲线,为每一个可能的挑选数字的前景。它使图表看起来很酷,但它遗漏了有用的信息。
现在,该模型将查看持有每个选择号的团队(当前)的需求,如果有问题的前景匹配其中一个需求,那么他在该选择时被选中的概率就会提高。如果他的位置不符合球队的需要,他被选中的概率就会降低。
选择概率提高或降低的程度是球队在需要的位置上选择球员的频率的函数。球队似乎更倾向于在选秀的顶端而不是底部选拔。因此,模型调整的幅度反映了一般团队的趋势,当涉及到起草的需要。以下是自2011年以来,团队根据需求进行选择的频率:
所有这些都取决于我们如何定义团队需求,这是一个有争议的问题。对于模型的训练数据,我使用了一些有声望的团队需要的资源,包括像Mel Kiper和Ourlads的童子军服务。
草案模型使用贝叶斯推理,以同样的方式考虑其他因素,将团队需求和位置输入合并在一起。
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。
以下是将团队需求包含到选秀模型中会如何改变结果。左边的图表是样本玩家在根据需要进行调整之前的概率分布。注意它的连续性。右边的图表显示了考虑到团队需要后的情况。它是参差不齐的和不连续的(因为团队的需求是不连续的)。因为我们有更多的相关信息,所以更有信心。最终结果分布中的峰值与玩家的位置相符。唯一的缺点是它不像左边的贝叶斯精细设计那样美观。
如果你想知道我们能否调整模型
具体当谈到需要的选秀时,答案是我们
可以但这可能是个坏主意。没有足够长的历史记录,在足够多的变化条件下,有任何统计确定性。试图为单个团队定制模型将会在偏见/方差权衡的错误一边。团队管理者变了,个人管理者的理念变了,环境也变了。我们需要多年的选秀观察,才能相信一支球队比联盟整体更倾向于根据需要而选秀。
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。
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 |
是 |
0.44 |