大学フットボールのカンファレンス再編成 – node2vec

大学フットボールのカンファレンス再編成 - node2vec

この4部構成のブログの最終パートにたどり着きました。このブログの第3部では、クラスタリングに基づいたカンファレンスの世界を探求し、似たようなチームがカンファレンスを共有することを試みました。このブログでは、テレビとメディアネットワークの視点から分析を行います。私たちは、毎週キャンピングワールドキックオフゲームのようなテレビ向けの対戦カードを作成することに焦点を当てます。つまり、ESPNやFOXがカンファレンスを自分たちと株主の好みに合わせてカスタマイズできる場合、カレッジフットボールの景色はどのようになるのでしょうか。この前のブログよりも現実的なアプローチです。アイデアは、カレッジフットボールのあらゆる可能な試合から期待される利益を計算し、利益を最大化するためにスケジュールを貪欲に埋め、”夢の”シーズンを作り出し、選択された対戦を基にネットワークグラフを定義し、グラフの構造に基づいてカンファレンスを作成することです。

このシリーズは4つのパートに分かれており（全体の目的はパート1にあります）、それぞれ以下の内容です：

1. Pythonによるカレッジフットボールカンファレンスの再編成—探索的データ分析
2. カレッジフットボールカンファレンスの再編成—回帰分析
3. カレッジフットボールカンファレンスの再編成—クラスタリング
4. カレッジフットボールカンファレンスの再編成—node2vec

このシリーズの各パートが、大学フットボールの愛されるゲームの未来について新しい視点を提供してくれることを願っています。パート1や2を読んでいない方のために、簡単な要約をしますと、私はウェブ上のさまざまな情報源から独自のデータセットを作成しました。これらのデータには、各FBSプログラムの基本的な情報、全ての大学フットボールのライバル関係の非正統的な近似、スタジアムのサイズ、過去の成績、APトップ25投票での出演頻度、AAUまたはR1機関であるかどうか（Big TenとPac 12のメンバーシップにおいて歴史的に重要）、NFLドラフト指名者数、2017年〜2019年のプログラム収益のデータ、および最近のカレッジフットボールファンベースの推定値が含まれています。パート1では、ファンベースのサイズと強い相関関係を持ついくつかの特徴があることがわかりましたので、パート2では、ファンベースのサイズを予測するための線形回帰およびランダムフォレスト回帰モデルを開発しました。パート3では、制約付きk-meansクラスタリングを使用して10つの新しい…

• 「GPT-4セーフティーの破壊：火遊びエディション」
• 「🦜🔗 LangChain は何をするのか？」
• 天気予測におけるAIの革命

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!