这份手稿专注于NBA篮球锦标赛比赛结果的特点“定义。显示了如何基于一个单一特征（ELO评级或相对胜利频率）的模型的质量优于使用箱得分预测器的模型（例如四个因素）。特征是EX ANTE，计算了包含16个NBA常规季节数据的数据集，特别注意主场因素。模型已经通过深度学习生产，使用交叉验证。
translated by 谷歌翻译
由于意识的提高，人体工程学的风险评估现在比过去更频繁地进行。基于对工作场所的专家辅助观察和手动填写评分表的常规风险评估评估仍然是主要的。数据分析通常是在关注关键时刻的重点，尽管不支持上下文信息和随时间变化。在本文中，我们介绍了ErgoExplorer，这是一种用于风险评估数据的交互式视觉分析的系统。与当前的实践相反，我们专注于跨越多个动作和多个工人的数据，同时保留所有上下文信息。数据自动从视频流中提取。基于经过仔细研究的分析任务，我们介绍了新的观点及其相应的交互。这些观点还结合了特定领域的分数表，以确保域专家轻松采用。所有视图都集成到ErgoExplorer中，该视图依赖于协调的多个视图来通过互动来促进分析。 ErgoExplorer使得首次可以在长期播放多个操作的长时间内检查各个身体部位的风险评估之间的复杂关系。新介绍的方法支持几个详细层面的分析和探索，从一般概述到如有必要的话，请直到检查视频流中的单个帧。我们说明了将其应用于几个数据集的新提出的方法的有用性。
translated by 谷歌翻译