问题标签 [prediction]

In our office, we regularly enjoy some rounds of foosball / table football after work. I have put together a small java program that generates random 2vs2 lineups from the available players and stores the match results in a database afterwards.

The current prediction of the outcome uses a simple average of all previous match results from the 4 involved players. This gives a very rough estimation, but I'd like to replace it with something more sophisticated, taking into account things like:

• players may be good playing as attacker but bad as defender (or vice versa)
• players do well against a specific opponent / bad against others
• some teams work well together, others don't
• skills change over time

What would be the best algorithm to predict the game outcome as accurately as possible?

Someone suggested using a neural network for this, which sounds quite interesting... but I do not have enough knowledge on the topic to say if that could work, and I also suspect it might take too many games to be reasonably trained.

EDIT:
Had to take a longer break from this due to some project deadlines. To make the question more specific:

Given the following mysql table containing all matches played so far:

How would you write a function predictResult(blueDef, blueAtk, redDef, redAtk) {...}
to estimate the outcome as closely as possible, executing any sql, doing calculations or using external libraries?

有人有每日最佳Netflix 奖项提交的图表吗？我想根据对现有进展的推断来预测何时解决它。

或者，你认为什么时候会赢，为什么？

人们推荐哪些技术来跟踪新程序的质量水平？他们是否会采用定义不明确的术语（例如“质量水平”），对其进行量化然后进行预测？目前我使用错误率和 S 曲线，但我正在寻找其他方法来评估、估计和预测质量水平。

我正在寻找一种算法或示例材料来研究基于已知模式预测未来事件。也许有一个名字，我只是不知道/不记得它。这个一般的东西可能不存在，但我不是数学或算法大师，所以我在这里问方向。

一个例子，据我了解，它会是这样的：

静态事件发生在 1 月 1 日、2 月 1 日、3 月 3 日、4 月 4 日。一个简单的解决方案是平均每次出现之间的天数/小时/分钟/某事，将该数字添加到最后一次已知的事件中，并进行预测。

我要求什么，或者我应该学习什么？

心中没有特定的目标，也没有要考虑的任何特定变量。这只是个人的想法，也是我学习新东西的机会。

我在想，在可能遥远的未来，很多人认为我们不会那么依赖物理输入（即键盘），因为可以使用读取脑电波的技术（在某种程度上已经存在）。有点吓到我了……不管怎样，当我做白日梦的时候，我突然想到：如果程序员可以在他们的代码中实现逻辑来准确预测用户的意图，然后无需执行预期的操作，那会怎样？用于人机交互。我不是在寻找任何具体的东西，我只是对任何人的想法有点好奇。

我想知道哪种方法最适合预测事件的发生。例如，给定一组来自​​ 5 年疟疾感染发生率的数据和影响发生率的其他几个因素，我想预测未来五年的疟疾感染发生率。我的想法是用模糊逻辑规则推导出一种发生因子，然后用发生因子对出现进行平均得到第一个预测的发生，然后再用预测的发生对所有的事件进行平均，并继续迭代所有五个年，但我决定在网上寻求帮助。

I was reading about the Weighted slope one algorithm ( and more formally here (PDF)) which is supposed to take item ratings from different users and, given a user vector containing at least 1 rating and 1 missing value, predict the missing ratings.

I found a Python implementation of the algorithm, but I'm having a hard time porting it to R (which I'm more comfortable with). Below is my attempt. Any suggestions on how to make it work?

Thanks in advance, folks.

我想问问你对此的看法。这是一个理论问题。

我的情况是，我向使用 AJAX 与服务器对话的用户显示了一个界面。服务器端语言在这里无关紧要。我有一个带有字段的表单，每个表单都是可删除的。如果用户选择了几个“删除”复选框并按下更新，那么我有这两个选项要做：

选项 1：删除字段时，使用 JavaScript 立即删除 HTML 并在后台运行 AJAX 以删除这些字段。这实现了快速界面的外观 -> 更好的用户体验。但是，如果 AJAX 调用在服务器端失败（字段无法删除），那么之前删除的 HTML 字段会给用户一个错误的假设（它们被删除）。

选项 2：删除字段时，运行 AJAX，根据其成功，删除 HTML 或不删除。这为用户提供了准确的反馈，但表单会冻结，直到 AJAX 调用完成 = slow(er)。

你怎么认为？哪种方法对我来说似乎更好，或者我应该选择它？

I am curious what are the methods / approaches to overcome the "cold start" problem where when a new user or an item enters the system, due to lack of info about this new entity, making recommendation is a problem.

I can think of doing some prediction based recommendation (like gender, nationality and so on).

我正在编写一个计算应用程序下载量的小工具。我用时间戳保存每次下载。

什么算法（php 和 mysql）通常用于预测例如今天的下载？