Մաթեմատիկական խաղադրույքներ: Ինչպե՞ս է թվիթերն օգնում սպորտային խաղադրույքներ կատարել

Հովիկ Բերոյան
Կարո՞ղ է արդյոք կոլեկտիվ խելքը լավ խորհրդատու լինել, եթե դուք պատրաստվում եք սպորտային խաղադրույք կատարել: Այս հարցին պատասխանելը հնարավոր է դարձել շնորհիվ սոցիալական ցանցերի, որոնցից կանխատեսումների համար լավագույն սկզբնաղբյուրը թվիթերն է: 140 սիմվոլի սահմանափակումը թույլ է տվել ստեղծել միլիոնավոր նամակների մշակման ավտոմատ համակարգ, իսկ մեքենայական ուսուցման մեջ ժամանակակից գիտության և ՏՏ-ի հաջողություններն անհրաժեշտ գործիք են ստեղծել տեքստային տվյալների վերլուծության համար: Ավելի վաղ թվիթերն արդեն օգտագործել են ԱՄՆ-ում ընտրությունների կանխատեսման և մոդելավորման, ակցիաների գների, ֆիլմերի եկամուտների գանձման ու համաճարակի տարածման համար: Ինչու՞ չփորձել այս նույն մոդելը սպորտային իրադարձությունների համար: Նման հետազոտություններն անցկացվել են և արդյունքները չափազանց հուսադրող են: Հենց դրանց մասին էլ կխոսենք այս նյութում:

Արտասահմանյան ակումբները թվիթերն օգտագործել են սպորտային հանդիպումների կանխատեսումների համար

Ուսումնասիրություն #1

Առաջին դեպքում Carnegie Mellon University-ից գիտնականները NFL-ի 2010-2012թթ. տվյալներն են հավաքել, վերցրել են այդ ժամանակահատվածի ֆուտբոլային թվիթերը՝ հանգամանորեն զննելով այս կամ այն թիմին ուղղված աջակցության հեշթեգներով գրառումները: Այդպիսով, թիմի հեշթեգով յուրաքանչյուր գրառում նույն ձև է մեկնաբանվել՝ հաղթանակ կամ պարտություն առաջիկա խաղում: Թվիթերի հետագա դասակարգումն ունի ստորև նշված սխեման.

Ամերիկյան ֆուտբոլի վերաբերյալ հետխաղյա թվիթերի դասակարգումը

Տանտերերի հաղթանակի կանխատեսումը Հյուրերի հաղթանակի կանխատեսումը
home: win home: victory away: loss away: win away: congrats home: lost
home: won home: WIN away: lost away: won away: Go home: loss
home: Great away: lose away: refs away: Great away: proud home: bad

Ուշադրություն դարձրեք, թե ինչպես է պարտվող կողմը հանդիմանում մրցավարներին (առանցքային բառը refs-ն է): Հետխաղյա թվիթերի մասսիվը բազմանկյունի է դարձել, որի վրա ուսումնասիրողները սովորել են ամբողջ տեքստից արժեքավոր բաներ քաղել, իսկ հետո սկսել հաշվի մեջ խաբել հետխաղյա թվիթերի առանցքային բառերը: Վիճակագրական մեթոդների օգնությամբ՝ օգտագործելով տրամաբանական ռեգրեսիան, հետազոտողները մի քանի ամիսների ընթացքում կանխատեսումներ են կազմել:

  • միայն թվիթերի հիման վրա
  • թվիթերի և կանխատեսման ավանդական վիճակագրական մեթոդների հիման վրա

Կանխատեսումները բաժանվում են

  • Խաղի ելք
  • ֆորա
  • տոտալ

Ամերիկյան ֆուտբոլի համար թվիթերը շատ լավ ինդիկատոր է դարձել: Միայն թվիթերի օգտագործման դեպքում տոտալով տարբերակի կանխատեսման ճշգրտությունը կազմել է 54,3%: Ֆորայով ավելի վատ է ստացվել՝ ընդամենը 47,6% ճիշտ կանխատեսումներ: Փորձարկման ընթացում փոխելով և սահմանելով տարբեր գործակիցները, ծրագիրը սովորելով՝ հաջողվել է հասնել 2012 թվականի համար հետևյալ արդյունքներին:

  • խաղի ելքի կանխատեսում՝ 63,8%;
  • ֆորայի կանխատեսում՝ 52%;
  • տոտալի վրա կանխատեսում՝ 44,1%.

Ուսումնասիրություն #2

Հիմա մի փոքր երկրոդ ուսումնասիրությանմասին, որում ֆուտբոլային թվիթերը որպես ինդիկատոր են ծառայել ԱՊԼ-ի խաղերի արդյունքների համար, որոնք կայացել են 2014 թվականի գարնանը: Համակարգիչ են ներբեռնվել շուրջ 2 միլիոն թվիթ, ԱՊԼ-ի ֆուտբոլային վիճակագրություն և սկսել են: Այնպես, ինչպես նախորդ փորձարկման մեջ, թվիթերի ընտրությունը եղել է ֆուտբոլային ակումբների հեշթեգներով, որոնք պարտադիր պետք է զատվեն՝ ընտրելով բոլոր նրանք, որոնք կարող են պատկանել տարբեր ակումբների: Օրինակ, #Saints հեշթեգը կարող է պատկանել ԱՊԼ-ից Southampton F. C ակումբին, բայց նաև ամերիկյան NFL-ից՝ New Orleans-ին:

Խոսքը միայն թվիթերի անգլալեզու լսարանի մասին է: Դա պայմանավորված է անգլերեն լեզվի տարածվածությամբ, դրա պարզ բառակազմությամբ, որն ամենահամապատասխանն է մշակման մեխանիզմի համար:

Հաշվարկներում որոշակի դժվարություններն առաջացել են այն պատճառով, որ թվիթերում թիմերի հայտնիությունը ծայրահեղ անհավասար է: Ամենահանրաճանաչ թիմերն, օրինակ «Մանչեսթեր Յունայթեդը» կամ «Լիվերպուլը» 400 հազարից ավել թվիթ են հավաքել այն դեպքում, երբ «Ֆուլհեմն» ու «Սուոնսին»՝ ընդամենը 15 հազար:

Վերը նշված տրամաբանական ռեգրեսիայի, Բայեսի մոդելների և ալգորիթմային ուսուցման շնորհիվ հաջողվել է հասնել հետևյալ արդյունքներին:

  • միայն թվիթեր. կանխատեսման միջին ճշգրտությունը՝ 66%, նվազագույնը՝ 56%, առավելագույնը՝ 75%;
  • միայն ֆուտբոլային վիճակագրություն. կանխատեսման միջին ճշգրտությունը՝ 59%, նվազագույնը՝ 51%, առավելագույնը՝ 64%;
  • թվիթեր + ֆուտբոլային վիճակագրություն՝ 70%, նվազագույնը՝ 64%, առավելագոյնը՝ 75%.

Ինչպես տեսնում եք՝ միայն թվիթերը մեզ բավական է վիճակագրական վերլուծության ունակություններ ունենալու և հաջող կանխատեսումներ անելու համար: Պարտադիր չէ դրա համար ֆուտբոլային փորձագետ լինել: Ճիշտ է, այստեղ անհրաժեշտ է վերապահություն անել: Շատերն արդեն կռահել են, որ խոսքը դեռևս միայն անգլալեզու լսարանի մասին է:

Ինչպիսի՞ պրակտիկ դաս կարելի է սրանից քաղել: Կոլեկտիվ խելքը միանգամայն լավ է կարողանում կանխատեսել սպորտային դիմակայությունները, պետք է միայն կարողանալ ճիշտ հարցադրում անել և կարդալ պատասխանը: Եթե դուք վստահ եք ձեր թիմի հաղթանակի վրա, բայց ձեր սիրած ակումբի հեշթեգով թվիթերի նորությունների գրանցման մեջ կան «պարտվել», «վնասվածք», «մարզավիճակում չէ» բառերը, ապա, հնարավոր է, դուք պետք է ևս մեկ անգամ մտածեք՝ մինչ սիրելի թիմի վրա խաղադրույք կատարելը:

Հարցե՞ր են մնացել: Դիմեք մեր գիտակներին:
Մեկնաբանություններ 0
Բաժանորդագրություն փորձագետին
Բաժանորդագրում ՝ հեղինակի

Այս հեղինակի նոր հրապարակումների մասին ծանուցումները կգան «ԲՌ»-ում գրանցվելիս ձեր կողմից նշված էլ.հասցեին:

Այս փորձագետի նոր կանխատեսումների մասին ծանուցումներ կստանաք մեր կողմից՝ էլ.հասցեի միջոցով:

Բաժանորդագրում ՝ հեղինակի
Բաժանորդագրություն փորձագետին

Դա նշանակում է, որ դուք այլեւս այս հեղինակի նյութերի վերաբերյալ ծանուցումներ չեք ստանա:

Դա նշանակում է, որ այլեւս նրա վերաբերյալ ծանուցումներ չեք ստանա էլ.հասցեի միջոցով:

Կայքը «» խախտում է Հայաստանի օրենսդրությունը,
հետևաբար մուտքը դեպի այս կայք մերժվում է.
Դուք կուղղորդվեք կայք
ով օրինական է աշխատում Հայաստանում.
Անցնել կայք