Resumen

El modelo de anlisis de regresin por conglomerados es una teora eficaz para un juego de puntuacin de jugadores razonable y justo. Puede predecir y evaluar aproximadamente el rendimiento de los atletas despus del partido con datos limitados y proporcionar predicciones cientficas para el rendimiento de los atletas. El propsito de esta investigacin es lograr la puntuacin de los jugadores despus del partido a travs del modelo de regresin de conglomerados. A travs de la investigacin y el anlisis de partidos de pelota anteriores, la comparacin y el experimento de mltiples objetos basados en diferentes teoras de anlisis de regresin, se extraen las siguientes conclusiones. Diferentes modelos de regresin tienen diferentes errores estndar, pero si los datos de otras categoras de modelos se ponen en la expresin del modelo centroide, el error estndar y el error del modelo original estn dentro de 0,3, que puede sustituir a otros modelos para el clculo. En la puntuacin de los jugadores despus del partido, aunque la prediccin de los expertos del resultado es muy precisa, dentro del rango de error de 1 copia, el mecanismo de puntuacin de los jugadores despus del partido basado en el modelo de anlisis de regresin de cluster es ms preciso, y la frmula de error est en el rango de 0,5. Lo mejor es cambiar dos veces los datos del modelo de regresin para comparar el mecanismo de puntuacin utilizando diferentes experimentos de regresin.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Modelo de análisis de regresión de conglomerados; Rendimiento de atletas; Predicciones científicas; Errores estándar; Expresión del modelo centroide; Puntuación tras el partido
• Keywords:Cluster regression analysis model; Athletes performance; Scientific predictions; Standard errors; Centroid model expression; Postmatch scoring