BriefGPT - AI 论文速递
·
MLFEF: 基于经验公式的机器学习融合模型在竞技体育中探索动量
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究定义和量化了网球比赛中的动力学，并提供了基于实时分析的基础。通过建立两个模型，对最近几年网球大满贯男单比赛数据进行了分析，并构建了融合模型。还对动量进行了可视化和波动分析，并通过蒙特卡洛模拟对融合模型的稳健性进行了分析。
🎯
关键要点
-
本研究定义和量化了网球比赛中的动力学。
-
提供了基于实时分析的基础。
-
建立了基于数据驱动和经验公式的两个模型。
-
分析了最近几年网球大满贯男单比赛数据。
-
使用支持向量机、随机森林算法和 XGBoost 构建了融合模型。
-
应用滑动窗口算法、CUMSUM 算法和 RUN Test 对动量进行可视化和波动分析。
-
通过蒙特卡洛模拟分析了融合模型的稳健性。
➡️
