[论文解读] Fantasy Football Prediction

Roman Lutz|arXiv (Cornell University)|May 26, 2015

Sports Analytics and Performance参考文献 5被引用 8

一句话总结

本文提出并评估了支持向量回归（SVR）与神经网络，利用六个赛季的有限比赛数据，预测NFL四分卫的梦幻足球得分。表现最佳的模型为包含50个隐藏单元、使用Sigmoid激活函数的单层神经网络，其在前24名四分卫上的平均绝对误差（MAE）达到6.235，优于SVR，表明尽管数据有限，机器学习在梦幻体育预测中仍具潜力。

ABSTRACT

The ubiquity of professional sports and specifically the NFL have lead to an increase in popularity for Fantasy Football. Users have many tools at their disposal: statistics, predictions, rankings of experts and even recommendations of peers. There are issues with all of these, though. Especially since many people pay money to play, the prediction tools should be enhanced as they provide unbiased and easy-to-use assistance for users. This paper provides and discusses approaches to predict Fantasy Football scores of Quarterbacks with relatively limited data. In addition to that, it includes several suggestions on how the data could be enhanced to achieve better results. The dataset consists only of game data from the last six NFL seasons. I used two different methods to predict the Fantasy Football scores of NFL players: Support Vector Regression (SVR) and Neural Networks. The results of both are promising given the limited data that was used.

研究动机与目标

• 开发准确、数据驱动的模型，用于预测NFL四分卫的梦幻足球得分，减少对主观专家意见的依赖。
• 评估支持向量回归（SVR）与神经网络在六个NFL赛季有限数据集上的表现。
• 识别关键预测特征，并提出数据增强策略以提升模型准确性。
• 为梦幻体育领域提供无偏见、自动化的预测工具基础，尤其考虑到梦幻联赛中日益增长的经济投入。

提出的方法

• 使用线性与多项式核的SVR，采用$$-不敏感损失函数，以在容差范围内最小化预测误差。
• 通过带交叉验证的递归特征消除（RFECV）进行特征选择，识别出最具相关性的预测变量。
• 实现前馈神经网络，采用单隐藏层，使用Sigmoid与Tanh激活函数，并调优学习率、训练周期数、隐藏单元数及激活类型等超参数。
• 采用标准回归指标（RMSE、MAE、MRE）对测试集进行模型评估，包括顶尖球员子集。
• 探索数据增强策略，如指数加权移动平均（EWMA），以更好地捕捉球员表现趋势。
• 使用PyBrain库进行神经网络训练，并对多种超参数组合进行交叉验证以优化模型配置。

实验结果

研究问题

• RQ1 像SVR和神经网络这样的机器学习模型，能否在历史数据有限的情况下有效预测NFL四分卫的梦幻足球得分？
• RQ2 在本研究背景下，不同超参数（如C、ε、核类型、学习率）如何影响SVR与神经网络的性能？
• RQ3 哪些特征对梦幻足球得分最具预测力？特征选择如何提升模型准确性？
• RQ4 如EWMA、伤病报告或球队动态等数据增强技术能否提升预测性能？
• RQ5 数据驱动模型的结果与基于专家意见或公开可用的预测系统相比如何？

主要发现

• 表现最佳的模型为包含50个隐藏单元、使用Sigmoid激活函数的单层神经网络，其在前24名四分卫上的平均绝对误差（MAE）为6.235。
• 该神经网络模型优于所有SVR配置，包括最佳SVR（C=0.25，ε=0.25，线性核），后者具有更高的MAE。
• 通过RFECV进行的特征选择仅识别出四个关键特征，表明许多比赛统计数据之间存在高度相关性，冗余特征带来的增量价值有限。
• 前24名四分卫的误差显著低于完整测试集，表明预测顶尖球员比预测整体球员池更具可行性。
• 提出使用指数加权移动平均（EWMA）作为捕捉随时间变化的表现趋势的有前景方法，可能进一步提升模型准确性。
• 尽管结果令人鼓舞，但整体MAE仍偏高（超过6分），表明当前模型在实现梦幻得分预测的高精度方面仍面临挑战。