资讯专栏INFORMATION COLUMN

这里有一个机器学习模型,它知道2.2亿欧元的内马尔值不值得买

LeanCloud / 3114人阅读

摘要:也就是说,这个机器学习模型,现在还只能当做一种参考,还不能将场外号召力也计入工资体系中。不过研究者称,无论是足球迷还是非足球迷,这个机器学习模型,都能为未来商品定价提供参考。

内马尔2.2亿欧元转换大巴黎

阿森纳主帅温格在位20载,什么样优秀的球员没见过,但现今他也是越来越看不懂转会市场了。

温格感叹:不是阿森纳不买人,实在是现今市场上的球员贵得离谱。

此言其实不虚。

120万英镑的坎通纳帮助弗格森开创红魔帝国

1992年,弗格森买来开创曼联红魔历史的“国王”坎通纳,才花费了120万英镑。

但等到2016年,同样身为曼联主帅的穆里尼奥,买来博格巴却花费了8900万英镑——这位法国人跟前辈坎通纳的能力、作用还不能相提并论。

所以经济通胀真如此疯狂吗?恐怕没有。但球员确实越来越贵了。

就在行将结束的这个夏天,内马尔转换花费1.98亿英镑,卢卡库7500万英镑,莫拉塔5800万英镑……

而且这还只是转会身价,未包括球员的薪资。

所以球员到底“值多少”?有没有可能按照球员的能力数据排出薪资结构?让各队都买到最合适的球员。

比如财大气粗皇家马德里,只按最贵的11人来买;阿森纳则在每个位置上都补充排名第4的球员;利物浦就再加个筛选器——球员排名靠前还不行,还得是英吉利户口。

有没有这样的模型系统?现在有了!

密歇根劳伦斯科技大学的一个机器学习项目,正在打造这样的模型,按照球员能力给出薪资预估。

同名电影《点球成金》

机器学习搞定球员身价

此前,知名作家迈尔克-路易斯的作品《点球成金》中,曾讲述过棒球运动中使用机器学习的案例:奥克兰运动者队总经理,运用数据模型,成功完成了球队转型。

尽管这位总经理可以调用的资金极其有限,但他让机器帮他找到了各个位置上的“较佳人选”——甚至对于谁更适合哪个位置,这个机器也提出了比主教练更好的安排建议。

现在,这个来自密歇根劳伦斯科技大学的机器学习项目,原理正是用机器学习和数据驱动,来打造一个基于职业足球运动员的算法模型。

这个模型中,在欧洲效力的6082名各不相同的球员,会按照球场上的技能被给出“身价”排名,身价较高的球员和身价较低的球员,在该模型计算后一目了然。

该项目的参与者Lior说,现在体育竞技中,比较各个运动员的数据是最常见不过的事儿。不过对于足球运动员来说,他们的能力体现的是各项数据的综合。

在这个计算足球远动员实力的模型中,有55种数据作为标签维度。如果旨在比较球员的“合理薪水”,这个模型会根据具体球员的场上表现,再结合所有球员的表现来估算。

也就是说,你在场上踢得相对有多好,你的身价也就会相应得到展现。

模型数据维度

那如何算踢得好呢?这个模型的55个评价维度,包括有效射门数、有效传球数、场上侵略性、速度和控球等。

实际上,这些数据主要来自FIFA专家的评价——这可能让数据不尽客观,所以这个项目的研究者,最终希望通过多达55种不同维度,来增强整个项目的“客观性”。

当然,最后的结果也与模型研究者的假设不谋而合。他们通过研究发现,在多数情况下,球员的技能素质和他们的身价是密切相关的。

可能也会存在一些明星球员的例外现象,过高或被低估,但排名是基本靠谱的。比如在2016-2017赛季,系统给出的技能&薪资第一名是巴萨的梅西,而球星中垫底的是刚刚转会曼城的贝尔纳多·席尔瓦。

“万人迷”贝克汉姆

球场外的变量

另外,该项目研究者还指出,这个机器模型并没有考虑场外因素,比如足球运动员的场外商业价值和商业收入——在当前竞技体系中,球员的身价合同,不仅包含场上表现,还可能涉及在商品销售、转播权益、粉丝数量拓展等维度的能力。

也就是说,这个机器学习模型,现在还只能当做一种参考,还不能将场外号召力也计入工资体系中。不过研究者称,无论是足球迷还是非足球迷,这个机器学习模型,都能为未来商品定价提供参考。

这可能也是未来的家常便饭,人类创造的机器模型,正在评估人类应得的合理薪水、加薪幅度和奖金等。

这个模型的研究者还坚信,机器的计算方法,远比人类自身的判断要客观,所以可以由机器去解释为什么梅西的工资高,武磊的工资没那么高——机器模型的评价体系就放在那里,除非武磊的表现好过梅西,不然现在的工资结构就是合理的。

这一天估计也是教授温格最愿意看到的。球员应该用实际行动赢得更多的薪资,而不是靠转会出走。俱乐部也应该把更多重心放下青训,而不是通过土豪式的“买买买”解决问题。

大家按场上实力说话。

除非,你长了一张“万人迷”的脸,靠发型也能让俱乐部愿意为你多开一些薪水。或者实在厌倦了欧洲战场,转身成为中超名宿。

欢迎加入本站公开兴趣群

商业智能与数据分析群

兴趣范围包括各种让数据产生价值的办法,实际应用案例分享与讨论,分析工具,ETL工具,数据仓库,数据挖掘工具,报表系统等全方位知识

QQ群:81035754

文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/4597.html

相关文章

  • MySQL: 表增删改查(基础)

    摘要:注释在中可以使用空格描述来表示注释说明即增加查询更新删除四个单词的首字母缩写。 1.CRUD 注释:在SQL中可以使用–空格+描述来表示注释说明CRUD 即增加...

    RobinTang 评论0 收藏0
  • 三年投入470亿美元,谷歌云又多地“开服”了

    摘要:到年底,谷歌云平台将在全球拥有个地域,其中包括美国的个地域。运营后,首尔将成为谷歌云在竞争激烈的亚太市场的第八个地域。谷歌云昨日宣布了一款名为的新产品,旨在将两者结合在一起。谷歌云平台即将在其全球基础设施中添加两个新区域。在旧金山举行的谷歌云大会(Google Cloud Next'19)上,谷歌宣布计划在韩国首尔和美国盐湖城增加区域。谷歌云平台产品管理总监多米尼克?普鲁斯(Dominic ...

    Sourcelink 评论0 收藏0
  • 不只是IaaS领先:亚马逊AWS创新驱动加速中国布局

    摘要:北京站是今年中国规模最大的一场峰会。不只是全球领军者,技术工具箱持续创新本次峰会上,亚马逊首席技术官沃纳威格尔不仅详细介绍了等最新技术服务,而且还向生态合作伙伴再次布道了的技术赋能理念。根据7月底亚马逊发布的2018财年第二季度财报,AWS云服务第二季度营收为61.05亿美元,比上年同期的41.00亿美元增长49%;AWS业务营业利润为16.42亿美元,较去年同期的9.16亿美元增长79.2...

    CollinPeng 评论0 收藏0
  • 2014年全球十大突破技术:高通神经形态芯

    摘要:今年下半年,高通会开始对外透露如何把这项技术镶嵌进各种电子设备使用的硅片中。该公司今年将招募研究人员来测试这项技术。而鉴于高通在向其他企业授权技术许可方面获利丰厚,它可能也会出售对神经形态芯片上运行的算法的使用权。 『在不久的将来,构造比传统芯片更像人脑的微处理器可能会使计算机对周遭事物的理解力变得敏锐的多。』和一头哈巴狗一般大小、名叫先锋的机器人慢慢向前翻滚着,逐渐靠近地毯上的玩具美国队长...

    JiaXinYi 评论0 收藏0
  • GPU训练机器学习模型哪家强?AWS、谷歌云、IBM等6大平台对比

    摘要:在低端领域,在上训练模型的价格比便宜两倍。硬件定价价格变化频繁,但目前提供的实例起价为美元小时,以秒为增量计费,而更强大且性能更高的实例起价为美元小时。 随着越来越多的现代机器学习任务都需要使用GPU,了解不同GPU供应商的成本和性能trade-off变得至关重要。初创公司Rare Technologies最近发布了一个超大规模机器学习基准,聚焦GPU,比较了几家受欢迎的硬件提供商,在机器学...

    史占广 评论0 收藏0

发表评论

0条评论

LeanCloud

|高级讲师

TA的文章

阅读更多
最新活动
阅读需要支付1元查看
<