我在这里主要考虑的是某人拥有特定运动的 Elo 评级模型的背景。
为了计算诸如球队进入总决赛系列赛的频率或赢得冠军赛的频率,建模者可能会运行整个赛季的蒙特卡洛模拟。一些建模者(例如 FiveThirtyEight,至少就他们截至 2015 年的运动模拟而言)运行他们的模拟很热,因为团队的评分在模拟赛季期间根据模拟比赛的结果动态变化。其他建模者冷运行他们的模拟,这意味着无论模拟比赛的结果如何,模拟赛季开始时的评分都保持不变。
什么更好,为什么?
我在这里主要考虑的是某人拥有特定运动的 Elo 评级模型的背景。
为了计算诸如球队进入总决赛系列赛的频率或赢得冠军赛的频率,建模者可能会运行整个赛季的蒙特卡洛模拟。一些建模者(例如 FiveThirtyEight,至少就他们截至 2015 年的运动模拟而言)运行他们的模拟很热,因为团队的评分在模拟赛季期间根据模拟比赛的结果动态变化。其他建模者冷运行他们的模拟,这意味着无论模拟比赛的结果如何,模拟赛季开始时的评分都保持不变。
什么更好,为什么?