第6名方案：队伍嵌入

大家好，这是我的工作成果：Notebook

恭喜我获得了第一枚金牌，虽然离奖金只有一步之遥🥺。不过，我的方法在 March Machine Learning Mania 2022 - Women's 比赛中仅获得了 659 名中的第 472 名。

据我所知，我的方法与以往的工作有所不同，大多数以往的工作都是通过特征工程来添加和聚合特征，作为常见机器学习模型的输入和目标。在我的工作中，我尝试训练给定 team_id 的队伍嵌入，并让模型根据给定的两个队伍嵌入来预测比赛结果。

以下内容摘自我的 notebook，用以说明我的方法。

模型

• 模型目标：
  • 给定 2 个 team_id，预测比赛结果
• 输入：
  • team_emb：训练好的嵌入，代表给定 team_id 的嵌入，使用 torch.nn.Embedding() 初始化。
• 输出：
  • team1_win：队伍1是否赢得比赛
  • team_info：比赛详细结果的缩写，包含 ['Score','FGM','FGA','FGM3','FGA3','FTM','FTA','OR','DR','Ast','TO','Stl','Blk','PF']

数据

• 训练数据：
  • RegularSeasonDetailedResults.csv
• 验证数据：
  • NCAATourneyDetailedResults.csv

预处理

1. 复制数据并使其对称，以消除胜负方的影响。
2. 添加特征 "is_win"，表示队伍1是否赢得比赛。
3. 应用分位数变换将 team_info 转换为正态分布。

训练

1. 沿时间线训练一个 epoch。
2. 一个 minibatch 是具有相同 'Season' 和 'DayNum' 的数据。
3. 队伍嵌入每天都会更新。

未来工作

• 应用 GNN（图神经网络），让两支队伍的单场比赛结果影响其他队伍，并增强模型应用队伍间关系的能力。