Я работаю над проектом, который предсказывает выигрыш одной команды или одного человека (могут быть любые виды спорта, такие как игры в бейсбол, баскетбол или киберспорт). У меня есть данные, которые больше похожи на проблему классификации , Данные выглядят так: А против Б, победитель А. Итак, я обучил модель классификации с этими данными. Модель должна вводить две единицы (команду или человека) и выводить вероятность из сигмоида, поэтому я должен установить порог, чтобы определить, будет ли выход 1 или 0. Но мне любопытно, можно ли рассмотреть выход сигмоида как выигрыш? Я думаю, что ответ может быть да? Но у меня следующий вопрос. Моя цель - прогнозировать выигрыш одного отряда (команды или человека), а это значит, что мне нет дела до оппонентов. Поэтому, используя эту модель для прогнозирования, например, я хочу предсказать коэффициент выигрыша Лейкерс, и я провожу матч со всеми остальными командами (29 командами) в качестве противников, и собираю данные из 29 фигур, такие как «Лейкер против Хоукса», Laker vs Mavericks, ... и так далее, тогда я получил 29-й результат от сигмовидной кишки. Вот два варианта, которые у меня есть. Сначала установите пороговое значение для выхода сигмоида и определите результат 1 или 0. Затем рассчитайте коэффициент выигрыша
Или я могу просто получить среднее значение всех выходных данных 29 игр из сигмоида (без настройки порога).
Я думаю, что первое более разумно, но второе превосходит первое в моем эксперименте. Итак, имеет ли второй смысл? Я не владею английским sh. Пожалуйста, потерпите меня