byl jsem představen daily fantasy sports (DFS), jako asi každý – rapid fire reklamy bombardují mě na sportsball televize. Fantasy sport pro mě nebyl nový koncept, hráčem jsem od roku 1998. Nemohu ani začít popisovat nespočet hodin, které jsem strávil pečlivě přípravou průvodců pro rotisserie baseball, basketball, a můj osobní favorit, fotbal.
zpočátku jsem se bavil hraním. Jedním z mých oblíbených způsobů, jak přemýšlet o DFS, je to jako pronájem vašeho oblíbeného týmu na jeden den. Buďme upřímní, fotbalové hry mohou být jen brutální, pokud nebudete fandit svému oblíbenému týmu. Chcete důkaz? Zkuste se podívat na kanadský fotbal. Zaručuji vám, že nevydržíte déle než 5 minut, pokud žijete jižně od Saskatchewanu. Tak, DFS mi dal další způsob, jak projít nedělní s více zábavy.
Bayesovské statistiky jsou moje bae
myslím, že to bylo kolem poloviny minulé fotbalové sezóny, kdy se mi konečně začaly klepat v hlavě. Za prvé, skandál, kdy vnitřní informace pomohly zaměstnanci Fanduelu vyhrát turnaj DraftKings. Měl jsem to vědět dříve, ale můžu mít silnou hlavu-vědět, kolik procent si hráč vybere, záleží. Proč? Takže si můžete vybrat někoho, kdo není oni; to vás odlišuje od pole.
někdy poté jsem četl opravdu skvělý web, který nastiňuje distribuci gama a jeho pěkné přizpůsobení fantasy fotbalovým datům. To je místo, kde se věci opravdu začaly klikat na mě. Takže vyzbrojen databází hráčských dat od roku 2003 a mým věrným R, šel jsem do práce.
ukázalo se, Že když si Bayesovský přístup, což znamená, že použití dat získaných z předchozích týdnů pomoci, aby se předpovědi pro budoucnost týdnů, můžete si matematicky odvodit pěkné křivky, které pomáhají přizpůsobit vaše data a dělat předpovědi. Je to jako chodit do posilovny: čím více se trénuje, tím více se dá rozumně předpovědět relativní budoucí kondici.
Bayesovská analýza znamená vytváření předpokladů založených na předchozích výsledcích. Jakmile máte několik předchozích výsledků, hodí se k těmto výsledkům velmi pěkné křivky, aby předpovídaly budoucí výsledky. Jakmile dojde k budoucímu výsledku, je to nyní minulý výsledek a pěkná křivka přizpůsobení se upraví tak, aby odrážela nové informace.
věřte mi, že za tím je spousta matematiky, která by vám jen roztočila hlavu. Možná, že budu punt, že do budoucího blogu.
Nicméně, pro teď, rád bych, aby se případ pro Gama Rozdělení jako opravdu pěkné, vhodné pro předpovídání konzistence hráčů fantasy fotbalové představení. Každý graf a analýza níže je moje vlastní.
Aaron Rodgers
Vezměme si případ Aarona Rodgerse. Níže je uveden graf každého Fantasy představení Aaron Rodgers za sedmileté období. Tyče představují procento, kolikrát skóruje určitý počet bodů. Tečkovaná modrá čára je jeho Gama distribuce, která modeluje jeho data.
takže z nejvyšší tyče je vidět, že za zhruba osm procent svých zápasů dává 25 bodů. Docela působivé!
Co je však působivější, je jeho analýza gama křivky. Níže uvedená tabulka zdůrazňuje kvantily Aarona Rodgera. Červená je 0–25 kvantil rozsah, Žlutá 25–50 kvantil, Zelená 50–75 kvantil. Přemýšlejte o nich z hlediska očekávání. Žlutá je průměrný výkon, červená podprůměrná, zelená nadprůměrná.
Tato sada dat je nyní považována za naši tréninkovou sadu. Můžeme to použít k předpovědi skutečného dalšího výkonu.
chcete hádat, kolik fantasy bodů Aaron Rodgers zaznamenal týden 1 v loňském roce?
získal 25 bodů. To ho staví docela blízko k jeho tréninkovému průměru a pevně v zelené zóně. Měl nadprůměrný výkon, ale ne úplně nejlepší vůbec. V Bayesovském modelu vezmeme tyto informace, přidáme je do naší tréninkové sady a použijeme je k předpovědi 2. týdne.
extrémní příklady
jen pro zábavu, Co když Aaron Rodgers zaznamenal nula bodů v týdnu 1 proti medvědům? Což-přiznejme si to-by bylo velmi nepravděpodobné, vzhledem k tomu, že byl proti medvědům. Pokud to použijeme na naše tréninkové údaje, vyvíjíme tlak na distribuci gama směrem dolů, čímž změníme jeho kvantily pro jeho příští týden. V podstatě jsme“ smush „dolů křivkou doleva pro nastavení pro hnilobný výkon:
a co úžasná hra? Řekněme, že Aaron Rodgers dává 100 bodů. Uhodli jste, musíme aplikovat tlak na křivku do prava takto:
Co to všechno znamená?
to znamená, že toto je začátek úžasného prediktivního modelu. Má však svá omezení, pokud jde o přesnost týden od týdne, což je něco, co bych chtěl nastínit v budoucích příspěvcích. Zde je náhled, jak dobrý To dostane:
viz tento průměr pod 1? Znamená to, že se dostávám víceméně do 1 bod v průměru skutečného výkonu týden co týden!
co si myslíte Steem? Výše uvedené představuje můj první blogový příspěvek v tom, co doufám, že bude vícedílnou sérií příspěvků na mé cestě fantasy prediktivními algoritmy, na které se těším letos. Jakákoli zpětná vazba, kterou pro mě máte, by byla oceněna!
# writing # blog # fantasyfootball #math #bayesian # analysis #steemit # sports #nfl # statistics # steem