機械学習と組合融合分析を用いたNCAAブラケット予測
arXiv cs.LG / 2026/3/12
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、複数の得点システムを組み合わせてNCAAトーナメントの結果を予測するための「組合融合分析（CFA）」を導入し、ランクスコア特性（RSC）と認知的多様性（CD）を用いる。
- 2024年データセットでは、CFAベースのランクフュージョンが74.60%の精度を達成し、10個の公開ランキングシステムの中で最高の73.02%を上回った。
- このアプローチは、ランキングフュージョンをスポーツデータ分析の新しいパラダイムとして位置づけ、多様なランキング視点を統合することで予測精度の向上を目指す。
- 本研究は、スポーツ分析とML駆動の予測におけるアンサンブル手法に対するCFAの潜在的影響を強調する。
要旨: 過去数年間、機械学習モデルはスポーツ予測において顕著な成功を収めており、しばしばスポーツ予測をこの分野内の分類タスクとして扱ってきました。本論文は、結果をより正確に予測するためのスポーツデータ分析の新しい視点を提示します。我々は、組合融合分析（CFA）を用いてランクスコア特性（RSC）と認知的多様性（CD）を通じて複数の得点システムを組み合わせ、2024年データセットのチームランキングを生成します。チームランキングに基づくランク結合に基づく我々の結果は74.60%の精度を示し、10個の人気公開ランキングシステムの中で最高の73.02%を上回ります。これは、異なる視点を通じたスポーツ予測の精度を高めるCFAの有効性を示しています。
