推 shingo135r : 有些東西本就不是量化可以看出來的 數據都只是參考 04/30 13:22
推 GhostFather : 這篇中肯 04/30 13:22
推 kevin789 : 推 04/30 13:24
→ LeGGoRay : 數據是死的,投票的人是活的,要拿MVP本來就會有諸 04/30 13:26
→ LeGGoRay : 多因素影響,這篇正解 04/30 13:26
推 phoenix286 : 同感 拿結果套出來的模型 去argue哪年的結果不準 也 04/30 13:26
→ phoenix286 : 是蠻奇怪的 難道不是繼續修改模型嗎? 04/30 13:26
推 cms1717698 : 拿結果去弄出來的模型 結果38個sample就有6個是錯的 04/30 13:28
→ cms1717698 : 這種白癡模型也有人會信哦 笑死 04/30 13:28
推 DamianLillar: 別那麼激動 只是預測一下 04/30 13:28
推 society : 所以姆斯去年該拿囉,沒有他一輪都沒有 04/30 13:29
→ shifa : 氣成這樣 XD 04/30 13:30
推 god2 : 但是總要有一個客觀的評價,大家在努力找啊 04/30 13:31
推 kevinduh4 : 人家是拿數字去解釋 你拿感覺去解釋 還氣成這樣是 04/30 13:34
→ kevinduh4 : 怎樣 04/30 13:34
噓 ziggyzzz : 你真的有搞清楚那個模型是從什麼角度解釋MVP拉嗎 04/30 13:37
→ ziggyzzz : 笑死 04/30 13:37
至少比那些討論誰被偷的懂多了
噓 mirror0103 : 人家就是用模型跑又沒有說他就是標準 04/30 13:38
你根本沒看懂我在說啥
噓 c871111116 : 大家就在討論啊 就你特別發一篇出來氣XD 04/30 13:38
推 buyfood : 說真的如果機器學習能得出跟人類投票完全符合的結果 04/30 13:39
→ buyfood : ,那在坐各位應該都不用工作了 不過就是分享個實驗 04/30 13:39
→ buyfood : 結果,這麼認真辯護幹嘛 04/30 13:39
噓 steven89185 : 你很氣欸 數據分析本來就是這樣了啊 連人為因素都能 04/30 13:39
那篇底下就一堆人在那邊偷來偷去的啊
→ steven89185 : 分析的話ML就無敵了好嗎 04/30 13:39
→ gotohikaru : 這兩天太陽迷真是火力十足XD 04/30 13:41
推 eric5321 : 模型就是推測跟參考而已 而且他的準度也不低 04/30 13:42
推 somanyee : 照這套賭,勝率32/38;要是原PO能弄出勝率更高的mo 04/30 13:42
→ somanyee : del,賭客當然樂觀其成啊 04/30 13:42
我要說的是用這個去說誰是不合格MVP很蠢,就這樣
→ shifa : 100%命中就會被argue過適了啊 XD 04/30 13:45
※ 編輯: lulululula (1.200.21.120 臺灣), 04/30/2021 13:45:23
※ 編輯: lulululula (1.200.21.120 臺灣), 04/30/2021 13:46:53
→ kkb512sk : 機器學習我只服濤哥 04/30 13:47
※ 編輯: lulululula (1.200.21.120 臺灣), 04/30/2021 13:48:38
※ 編輯: lulululula (1.200.21.120 臺灣), 04/30/2021 13:49:02
噓 Chris5566 : 你是不是不懂數據分析 04/30 13:52
推 somanyee : 會很在乎,說是什麼偷啊、不如第二順位,大概就是 04/30 13:53
→ somanyee : 下重注的或是死忠粉絲啊!發洩一下無傷大雅,看球 04/30 13:53
→ somanyee : 本質就是娛樂嘛 04/30 13:53
→ lulululula : 笑死我從頭到尾沒有批評那model 04/30 13:54
→ lulululula : 一堆人中文不好在那跳針 04/30 13:54
噓 evangelew : 無言 04/30 13:55
→ evangelew : 原po內文一堆矛盾== 04/30 13:56
→ shifa : 人家認為這些數據配合權重就是可以某種程度上代表M 04/30 13:58
→ shifa : VP。要拿「不可見的感覺」出來講講的就是另外一件 04/30 13:58
→ shifa : 事情了。 04/30 13:58
推 ejnfu : 等等,那model難道不是拿那38年的MVP當作test data 04/30 13:58
→ ejnfu : 嗎?train應該要用額外年度吧? 04/30 13:58
我是沒認真看啦
但這資料你哪來額外年度XD
NBA環境變化那麼大40年前資料拿來train怎麼可能準
推 GeeBen : 不要這麼中肯 04/30 14:00
→ GeeBen : 好不容易有浮木飄過來 04/30 14:01
噓 ph90119 : 跟不是工程的人討論數據分析本來就別奢望他們懂 04/30 14:03
→ sunnyyoung : 人家的模型在試圖算出可能被“選”出來的MVP 要是 04/30 14:03
→ sunnyyoung : 有個單純只在量化球員個人表現價值的模型多好 04/30 14:03
※ 編輯: lulululula (1.200.21.120 臺灣), 04/30/2021 14:05:13
推 kingianlin : 其實32/38沒啥參考價值 04/30 14:06
噓 yellowbooky : 你是不是看不懂原PO想表達什麼.. 04/30 14:07
我又不是回原po
推 SpursTony09 : 真的 32/38 還說誰偷誰的 根本自己做壞model還在吹 04/30 14:09
推 minicoke : 其實他不算32/38啊 因為那個是已知的資料 04/30 14:14
→ minicoke : 你用這組model用test之後還未知的數年mvp才知道準確 04/30 14:15
→ minicoke : 率 04/30 14:15
→ minicoke : 其實妳也可以用出38/38但這個預測之後的mvp一定很爛 04/30 14:16
※ 編輯: lulululula (1.200.21.120 臺灣), 04/30/2021 14:17:32
噓 hpaor : 那強者跟強者同隊數據會稀釋怎不說 只看戰績 那為 04/30 14:30
→ hpaor : 何不綁定只能頒給戰績第一 事實上就是戰績也只是數 04/30 14:30
→ hpaor : 據之一 04/30 14:30
推 w9 : 幫補血 噓文的套路好一貫XD 04/30 14:37
噓 peterqlin : 一看就是不懂機器學習的文組 04/30 14:41
噓 Qedosh : 至少人家有數據,你只會通靈 04/30 14:41
→ peterqlin : supervised learning本來就要給training data好嗎 04/30 14:42
推 wpd : 還在十進位湊雙位數??? 到底醒了沒啊 04/30 14:46
噓 sxzc : 幫我看一下我這樣有符合一貫套路嗎 04/30 14:48
→ wpd : 得分王 PER最高 單核帶隊 講幾次了還在人類十進位? 04/30 14:48
噓 erosha : 笑死 04/30 15:27
噓 mark0204 : 我也是沒認真噓 04/30 16:17
噓 sedicause : 好了啦每年改標準最重要 04/30 16:38
→ sp1234 : 都在湊答案了,應該有辦法全對,例如前後季戰績差 04/30 17:23
→ sp1234 : 異大加分、或平均大三元加分 之類的 04/30 17:23
推 cktony : 氣氣氣,嘻嘻 04/30 17:49
推 h458791123 : 蠻想知道他是用那幾年的基礎資料當基底去回測過去過 04/30 17:55
→ h458791123 : 去mvp的準確度 04/30 17:55
噓 jonneth : … 04/30 18:48
噓 e30901 : 笑死 04/30 23:26
噓 spyU06 : 就是數據分析,那感覺跟人家吵啥,潑婦罵街喔?說看 05/01 01:39
→ spyU06 : 看妳的分析方法看可以猜中多少個啊 05/01 01:39