推 csro7788 : 推推07/08 10:48
→ Joshuaian : 推,大力推!07/08 10:49
推 a21215540 : 推07/08 10:50
推 YYYero : 推這篇07/08 10:52
推 bobon0921 : i7 原po手機好能撐07/08 10:54
→ tony790927 : 最近才從6s剛換成7 二手而已,小弟常摔手機,摔到07/08 10:57
→ tony790927 : 才不會心痛XD07/08 10:57
→ shifa : 所以這篇是用分群去界定一二三隊的範圍,然後根據07/08 11:00
→ shifa : 分群去找跟勝場有最高度相關的球員?07/08 11:00
我的理解:這篇UCLA的論文是先找出”類似的球員”的分群,然後根據所有30隊nba隊伍
算出每隊nba隊伍含有第一群、第二群的比例,(例如咖喱、k湯在第四群, 勇士隊含有第四
群
球員比例是2/n, 同樣地算出含有第一、二…群比例,以及其他隊如籃網隊的各群比例),?
現算出來含有各群比例跟不同nba
隊伍之間的排名沒有實質線性關係,進而間接發現其實每個分群其實都是均勻,沒有明顯哪
個群比哪個群厲害。後來他們發現是群中的球員到群的質心距離才能代表球員好壞
推 a034506618 : 推07/08 11:02
推 pupss93101 : 推整理,很清楚!07/08 11:04
推 johnbill : 好文07/08 11:11
→ lwswjs : 很好 有文獻探討 也有引用07/08 11:31
推 xpope : 有點意思07/08 11:31
推 lszh9999 : 看來台籃板也是一堆ML的高手07/08 11:46
推 hsuehhm : 每個群裡的球員代表場上表現類似 但越遠離群中心07/08 11:56
→ hsuehhm : 的球員(離群)代表有較群裡他人不一樣的表現07/08 11:56
沒錯!
推 TimmyWendell: 好像有些字被吃掉了?像第一點:覺得07/08 12:04
※ 編輯: tony790927 (122.99.29.154 臺灣), 07/08/2022 13:28:15
推 chih2loveu : 感謝原po用心幫我找問題所在!關於第一點我去年也是 07/08 18:34
→ chih2loveu : 只有使用傳統數據,跑出來結果合理但又覺得沒什麼代 07/08 18:34
→ chih2loveu : 表性,今年才野心比較大想增加features,結果還無法 07/08 18:34
→ chih2loveu : 掌握好xD第二點我還真的忘記去試了,雖然我有修改做 07/08 18:34
→ chih2loveu : 法,但或許與質心距離也會是我系統中的key point, 07/08 18:34
→ chih2loveu : 我會再想想怎麼實現和應用,最後再感謝原po一次!! 07/08 18:34
→ tony790927 : 原來你去年就試過!真用心! 07/08 19:27
→ tony790927 : 原論文也說可以放多一點features,多一點應該是很 07/08 19:27
→ tony790927 : 有用,例如效率值、正負、Game Score等進階數據, 07/08 19:27
→ tony790927 : 但全放可能太多就是 07/08 19:27
→ tony790927 : 話說你有把結果放GitHub嗎?如果有前處理好的或許 07/08 19:27
→ tony790927 : 可以考慮釋出,有時間的話我也可以考慮用別的架構 07/08 19:27
→ tony790927 : fit看看一個model 07/08 19:27
推 chih2loveu : 因為結果沒很好所以沒打算要上傳 大大如果你要的話 07/09 00:17
→ chih2loveu : 再來信給我 我再把這次的資料給你~ 07/09 00:17
→ chih2loveu : 我前處理只有cleaning和正規化而已 之後再試試看怎 07/09 00:19
→ chih2loveu : 麼有系統的features select 07/09 00:19