Sports Analytics hoạt động

Xếp hạng cầu thủ bằng dữ liệu

Player Rating — Xếp hạng cầu thủ

Đã chạy được. Mục này có công cụ tính toán thật trên nền tảng, không phải mô tả lộ trình.

Xếp hạng Elo Xác suất thắng và cập nhật điểm sau trận

Hệ xếp hạng được dùng rộng rãi nhất, từ cờ vua tới game trực tuyến. Đơn giản, minh bạch, và có một điểm yếu rõ ràng.

Xác suất A thắng 70.34%
Điểm A sau trận 1609.5 (+9.5)
Điểm B sau trận 1440.5 (-9.5)
Chênh lệch điểm +150
Kết luận Kết quả đúng kỳ vọng
① Tham số

Xác suất thắng theo chênh lệch điểm

Kỳ vọng của ATrận này
Xác suất thắng theo chênh lệch điểm1.0070.66910.3309-0.007273-400-300-200-100+0+100+200+300+400

Đường logistic của Elo: mỗi 400 điểm chênh lệch nhân tỷ lệ cược lên 10 lần. Trận này ở mức +150 điểm cho kỳ vọng 70.3%.

Diễn giải nhanh

Chênh +150 điểm → A thắng 70.3%

Elo chỉ đọc được HIỆU hai mức điểm, không đọc giá trị tuyệt đối. Cùng chênh lệch 150 điểm thì cặp 1600–1450 và cặp 2600–2450 cho ra đúng một con số.

Kết quả 1 so với kỳ vọng 0.703: A +9.5 điểm, B -9.5 điểm

Thay đổi bằng K·(S − E), tối đa 32 điểm một trận. Đúng như kỳ vọng thì điểm gần như đứng yên; bất ngờ càng lớn thì điểm chuyển càng nhiều — đó là toàn bộ cơ chế học của Elo.

Điểm cân bằng: bên mạnh hơn thắng 70.3%

Cặp đấu càng cân thì mỗi trận càng cho nhiều thông tin về kỹ năng thật, vì kết quả khó đoán trước hơn.

Cần khoảng 3 trận thắng liên tiếp của bên yếu hơn để xoá chênh lệch 150 điểm

Elo không có khái niệm bất định: người mới chơi 5 trận và người đã chơi 500 trận được cập nhật với cùng hệ số K. Glicko và TrueSkill sinh ra để sửa đúng chỗ này.

Khi nào con số này sai: Elo giả định kỹ năng KHÔNG ĐỔI và mọi trận có cùng độ tin cậy. Nó không có khái niệm bất định, nên người chơi mới và người chơi đã đánh 500 trận được cập nhật như nhau — đó là điều Glicko và TrueSkill sinh ra để sửa.

Chi tiết

Kỳ vọng B 29.66%
Chênh 100 điểm 64.0% xác suất thắng
Chênh 200 điểm 76.0%
Chênh 400 điểm 90.9%
Công thức E = 1/(1+10^((Rb−Ra)/400)) · R' = R + K(S−E)

Xác suất thắng theo chênh lệch điểm

Kỳ vọng của ATrận này
Xác suất thắng theo chênh lệch điểm1.0070.66910.3309-0.007273-400-300-200-100+0+100+200+300+400

Đường logistic của Elo: mỗi 400 điểm chênh lệch nhân tỷ lệ cược lên 10 lần. Trận này ở mức +150 điểm cho kỳ vọng 70.3%.

Điểm A nhận được theo từng kết quả có thể

Điểm A nhận được theo từng kết quả có thể10.63-1.316-13.26-25.21A thắng: +9.49Hoà: -6.51A thua: -22.51A thắngHoàA thua

Với K = 32, ba kết quả cho ba mức thay đổi cố định — chúng đã được quyết định trước khi trận đấu diễn ra. Tổng điểm hai bên luôn không đổi.

Bảng tra kỳ vọng theo chênh lệch điểm

Chênh lệchKỳ vọng bên mạnh hơnĐược nếu thắngMất nếu thua
+050.00%+16.00-16.00
+5057.15%+13.71-18.29
+10064.01%+11.52-20.48
+15070.34%+9.49-22.51
+20075.97%+7.69-24.31
+25080.83%+6.13-25.87
+30084.90%+4.83-27.17
+35088.23%+3.77-28.23
+40090.91%+2.91-29.09

Toàn bộ chỉ số

Kỳ vọng B 29.66%
Chênh 100 điểm 64.0% xác suất thắng
Chênh 200 điểm 76.0%
Chênh 400 điểm 90.9%
Công thức E = 1/(1+10^((Rb−Ra)/400)) · R' = R + K(S−E)

Công thức đang dùng

E = 1/(1+10^((R_B−R_A)/400)) · R' = R + K(S−E)

Đây là công thức thật mà mã nguồn chạy, không phải mô tả gần đúng. API tại /api/v1/tools/elo gọi đúng hàm này, nên kết quả trên trang và qua API không thể lệch nhau.

Cách dùng

  1. Điền tham số ở cột trái. Mọi ô đã có sẵn giá trị ví dụ chạy được, nên bạn có thể bấm Tính ngay trước rồi sửa sau.
  2. Đọc thẻ số ở trên cùng, rồi mục Diễn giải nhanh để biết con số đó nói gì.
  3. Đọc dòng “Khi nào con số này sai” trước khi dùng kết quả để quyết định — đó là giả định vỡ đầu tiên.
Giới hạn chung. Công cụ này tính đúng công thức của nó trên dữ liệu bạn đưa vào. Nó không kiểm tra dữ liệu của bạn có phù hợp với giả định của phương pháp hay không — phần đó vẫn là việc của người dùng, và mục “sai ở đâu” bên dưới trang liệt kê các chỗ hỏng thường gặp.

Xếp hạng cầu thủ bằng dữ liệu là gì

Xếp hạng cầu thủ bằng dữ liệu tìm cách tách đóng góp cá nhân khỏi kết quả tập thể. Đây là bài toán khó vì cầu thủ không được phân bổ ngẫu nhiên vào tình huống — cầu thủ giỏi được dùng ở tình huống khác với cầu thủ dự bị.

Làm thế nào

  1. Dùng dữ liệu sự kiện chi tiết thay vì thống kê tổng hợp.
  2. Mô hình hoá giá trị của mỗi hành động theo mức thay đổi xác suất ghi bàn (possession value).
  3. Điều chỉnh theo chất lượng đối thủ và theo đồng đội trên sân.
  4. Kiểm tra độ ổn định giữa các mùa — chỉ số nhảy loạn thì không đo được kỹ năng.

Đo bằng chỉ số nào

xG và xA bàn thắng và kiến tạo kỳ vọng
Giá trị hành động cộng dồn đóng góp tổng
Độ ổn định giữa mùa phân biệt kỹ năng với may mắn

Sai ở đâu

Phần quan trọng nhất của trang này. Một phương pháp được mô tả mà không nói chỗ nó hỏng là phiên bản quảng cáo của phương pháp đó.

! Chỉ số phụ thuộc mạnh vào hệ thống chiến thuật; chuyển câu lạc bộ có thể làm chỉ số sụp dù kỹ năng không đổi.
! Thủ môn và hậu vệ khó đo hơn nhiều so với tiền đạo, nên xếp hạng thường thiên lệch về vị trí tấn công.

Mô hình định lượng dùng trong Sports

Chưa có mô hình nào gắn riêng cho chủ đề này. Đây là những mô hình của cả ngành — liên quan ở cấp ngành, không phải cấp chủ đề.

Tất cả mô hình →
Bayesian Inferencebeta

Cập nhật niềm tin khi có dữ liệu mới.

Câu hỏi thường gặp

Xếp hạng cầu thủ bằng dữ liệu là gì?

Xếp hạng cầu thủ bằng dữ liệu tìm cách tách đóng góp cá nhân khỏi kết quả tập thể. Đây là bài toán khó vì cầu thủ không được phân bổ ngẫu nhiên vào tình huống — cầu thủ giỏi được dùng ở tình huống khác với cầu thủ dự bị.

Xếp hạng cầu thủ bằng dữ liệu được làm như thế nào?

1. Dùng dữ liệu sự kiện chi tiết thay vì thống kê tổng hợp. 2. Mô hình hoá giá trị của mỗi hành động theo mức thay đổi xác suất ghi bàn (possession value). 3. Điều chỉnh theo chất lượng đối thủ và theo đồng đội trên sân. 4. Kiểm tra độ ổn định giữa các mùa — chỉ số nhảy loạn thì không đo được kỹ năng.

Xếp hạng cầu thủ bằng dữ liệu hay sai ở đâu?

Chỉ số phụ thuộc mạnh vào hệ thống chiến thuật; chuyển câu lạc bộ có thể làm chỉ số sụp dù kỹ năng không đổi. Thủ môn và hậu vệ khó đo hơn nhiều so với tiền đạo, nên xếp hạng thường thiên lệch về vị trí tấn công.

Đo xếp hạng cầu thủ bằng dữ liệu bằng chỉ số nào?

xG và xA — bàn thắng và kiến tạo kỳ vọng; Giá trị hành động cộng dồn — đóng góp tổng; Độ ổn định giữa mùa — phân biệt kỹ năng với may mắn.

Xếp hạng cầu thủ bằng dữ liệu trên QuantHub đã dùng được chưa?

Chưa xây dựng. Mục này hiện là điều hướng và tài liệu tham chiếu; chúng tôi không gắn nhãn 'live' cho thứ chưa chạy.

Chủ đề khác trong Sports

Toàn bộ Sports
Match Prediction Injury Prediction Team Analytics Betting Models Reports API Documentation