文献类型：期刊文章

作　　者：廖彬[1] 王志宁[2] 李敏[2] 孙瑞娜[2,3,4]

LIAO Bin;WANG Zhi-ning;LI Min;SUN Rui-na(College of Big Data Statistics,Guizhou University of Finance and Economics,Guiyang 550025,China;College of Statistics and Data Science,Xinjiang University of Finance and Economics,Urumqi 830012,China;Institute of Information Engineering,Chinese Academy of Sciences,Beijing 100093,China;School of Networks Security,University of Chinese Academy of Sciences,Beijing 100049,China)

机构地区：[1]贵州财经大学大数据统计学院,贵阳550025 [2]新疆财经大学统计与数据科学学院,乌鲁木齐830012 [3]中国科学院信息工程研究所,北京100093 [4]中国科学院大学网络空间安全学院,北京100049

出　　处：《计算机科学》

基　　金：国家自然科学基金(61562078);新疆“天山雪松计划”青年拔尖人才后备人选项目:机器学习前沿算法及其应用研究;新疆高校科研计划(XJEDU2021Y037)。

年　　份：2022

卷　　号：49

期　　号：12

起止页码：195-204

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、DOAJ、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：随着足球运动全球化程度的不断提升,全球转会市场愈发庞大,然而针对影响转会交易最关键的因素球员身价的深入模型及应用研究还较为缺乏。以国际足球联合会FIFA的官方球员数据库为研究对象,首先,在区分不同球员位置的前提下,运用Box-Cox变换、F-Score特征选择等方法对原始数据集进行特征处理;其次,通过XGBoost构建球员身价预测模型,并与Random Forest,Adaboost,GBDT,SVR等主流机器学习算法进行10折交叉验证实验对比,证明了XGBoost模型在R2,MAE,RMSE这3项指标上的性能优势;最后,在身价预测模型的基础上,融合SHAP框架分析不同位置影响球员身价的重要因素,为球员身价评估、身价对比分析、球员训练策略制定等场景提供决策支持。

关 键 词：机器学习  球员身价预测  训练策略  XGBoost算法  SHAP值  

分 类 号：TP391]