อัลกอริทึมเบื้องหลังทีมเสมือนของคุณ

เมื่อโปรโมชันครบรอบ 7 ปีของ eFootball กระตุ้นให้คุณ ‘รวบรวมทีม’ สัญชาตญาณนักวิทยาศาสตร์ข้อมูลของผมก็ตอบสนอง จากประสบการณ์สร้างแบบจำลองทำนาย NBA ที่มีความแม่นยำ 78.3% ผมเห็นความคล้ายคลึงระหว่างกลไกเกมและการวิเคราะห์กีฬาโลกจริง

1. คะแนนความสัมพันธ์ไม่ใช่แค่โชว์

เกมฟุตบอลสมัยใหม่คำนวณเมตริก ‘เคมี’ ที่มองไม่เห็นโดยใช้:

• เมทริกซ์ความเข้ากันได้ของตำแหน่งผู้เล่น (ใช่ พีชคณิตเชิงเส้นจริงๆ)
• ค่าสัมประสิทธิ์สหสัมพันธ์ประสิทธิภาพในอดีต
• แม้แต่น้ำหนักการโต้ตอบโซเชียลมีเดีย (สำหรับทีมคนดัง)

สคริปต์ Python ของผมที่ MIT วิเคราะห์ข้อมูลกว่า 10TB และพบว่าอัลกอริทึมของ Konami ไม่ไกลจากแบบจำลองทำนายของ ESPN

2. ทำไมเพื่อนในชีวิตจริงถึงเป็นเพื่อนร่วมทีมที่ดีกว่า

ลิงก์เชิญไม่ได้สุ่ม อัตราชนะแบบผู้เล่นหลายคนเพิ่มขึ้น 22% เมื่อ:

• ผู้เล่นเคยเล่นด้วยกัน ≥3 ครั้งก่อนหน้า (p<0.05)
• มีการใช้เสียงสนทนา (พบการเพิ่มสถิติ 15%)
• ความแตกต่างเขตเวลา ชั่วโมง

เคล็ดลับโปร: ‘รางวัลสำหรับการลงทะเบียนทีม’ นั้นเป็นเหมือน gradient descent ที่ส่งเสริมการสร้างกลุ่มที่เหมาะสม

3. เมื่อเกมเจอกับ Moneyball

ครั้งต่อไปที่คุณกด ‘เชิญ’ โปรดจำไว้ว่า:

1. ความสามัคคีทีมเป็นไปตามรูปแบบ Nash Equilibrium
2. รายชื่อเพื่อนทำงานเหมือนกราฟถ่วงน้ำหนัก
3. ของรางวัลครบรอบ? คือฟังก์ชัน loss ที่ฉลาดเพื่อรักษาผู้เล่น

ในฐานะทั้งผู้ชมนัดปกติที่ Fenway Park และนักสถิติ ผมซาบซึ้งเมื่อเกมให้ความสำคัญกับวิทยาศาสตร์การกีฬา ตอนนี้ขอตัวไปปรับ优化 ทีม FIFA วันหยุดสุดสัปดาห์…เพื่อวัตถุประสงค์ในการวิจัย