【2024美赛】C题 Problem C: Momentum in Tennis网球运动中的势头 网球问题一python代码

简介: 本文提供了使用隐马尔可夫模型对2024美国大学生数学建模竞赛C题"网球运动中的势头"进行问题分析和数学建模的Python代码实现,包括建立状态、状态转移矩阵、发球方优势模型和胜率计算,并以可视化的方式展示了比赛进程中每位球员的预测胜率。

相关链接

【2024美赛】C题 Momentum in Tennis网球运动中的势头 25页中英文论文及Python代码

【2024美赛】C题 Problem C: Momentum in Tennis网球运动中的势头 网球问题一python代码

【2024美赛】C题 Problem C: Momentum in Tennis网球运动中的势头26页完整论文

【2024美国大学生数学建模竞赛】2024美赛C题网球运动中的势头,网球教练4.0没人比我更懂这个题了!!!

1 题目

http://t.csdnimg.cn/BzhFu

2 问题一数学模型

采用隐马尔可夫模型(Markov Model),这是一种描述随机过程的数学模型,它满足马尔可夫性质,即未来状态的概率只依赖于当前状态,与过去的状态无关。马尔可夫模型可以分为马尔可夫链和隐马尔可夫模型两种常见形式。模型建立过程如下,

  1. 建立状态: 在网球比赛中,每个时间点的状态可以用元组来表示:(状态可以是盘分0-0、1-0、2-0等,可以以是局分1-6、2-6等,可以是小比分15-0、30-0、40-0等,以及其他特征)。其中,球员表示当前发球的球员;比分状态表示局分和盘分的组合;发球方表示该时间点的发球方是哪个球员。

  2. 状态转移矩阵: 通过观察比赛数据,可以建立状态转移矩阵来描述状态之间的转移概率。对于相邻的时间点,可以统计从一个状态转移到另一个状态的次数,然后将这些计数转换为概率。举例来说,对于当前状态 (player1, score_status, server),下一个状态 (next_player1, next_score_status, server) 的转移概率可以表示为 transition_matrix[(player1, score_status, server)][(next_player1, next_score_status, server)]。本模型以比分出现的次频次作为状态转移概率,只考了盘分和局分,没有考虑小分,即15-0,30-0,40-0这样的小分。

  3. 发球方优势模型: 代码中使用了一个函数 serving_advantage 来模拟发球方的优势。该函数返回了一个假设的发球方赢得比赛的概率。

  4. 胜率计算: 根据状态转移矩阵和发球方优势模型,可以计算每个时间点球员的胜率。对于每个状态乘以发球优势比例 ,可以用以下公式计算其胜率:

问题一代码实现

  1. 读取了网球比赛数据,并根据比赛的局分和盘分创建了一个表示比赛积分状态的新列。

  2. 定义了一个函数 serving_advantage 用来计算发球方赢得比赛的概率,假设发球方赢得比赛的概率为60%,接发方赢得比赛的概率为40%。

  3. 构建了一个状态转移矩阵,根据比赛中每个时间点的状态计算了从当前状态到下一个状态的转移概率。

  4. 根据状态转移矩阵计算了每个时间点上两位球员的胜率,并将结果可视化为比赛进程图,显示了每位球员在比赛中的预测胜率。

因此,该模型以状态转移矩阵为基础,通过定义的发球优势和转移概率,可以预测每个时间点上两位球员在比赛中的胜率,并将预测结果可视化为比赛进程图。



import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 读取数据
data = pd.read_csv("data/Wimbledon_featured_matches.csv")

# 添加一列表示比赛积分状态(包括局分和盘分)
data['score_status'] = data['p1_games'].astype(str) + '-' + data['p2_games'].astype(str) + ' ' + data['p1_sets'].astype(str) + '-' + data['p2_sets'].astype(str)

# 只分析第一场比赛
match_1 = data.iloc[0]['match_id']
df = data[data['match_id']==match_1]
player1 = data.iloc[0]['player1']
player2 = data.iloc[0]['player2']
print(player1,player2)
df
AI 代码解读

在这里插入图片描述

# 定义函数计算发球方赢得比赛的概率
def serving_advantage(server):
    if server == 1:
        return 0.6  # 假设发球方赢得比赛的概率为60%
    else:
        return 0.4  # 假设接发方赢得比赛的概率为40%

# 构建状态转移矩阵
def build_transition_matrix(df):
    transition_matrix = {}
    for i in range(len(df) - 1):
        row = df.iloc[i]
        next_row = df.iloc[i + 1]
        current_state = (row['player1'],row['score_status'],row['server'])
        next_state = (next_row['player1'], next_row['score_status'],row['server'])
        if current_state not in transition_matrix:
            transition_matrix[current_state] = {}
        if next_state not in transition_matrix[current_state]:
            transition_matrix[current_state][next_state] = 0
        transition_matrix[current_state][next_state] += 1
    # 将计数转换为概率
    for current_state, next_states in transition_matrix.items():
        total_transitions = sum(next_states.values())
        for next_state in next_states:
            transition_matrix[current_state][next_state] /= total_transitions
    return transition_matrix

transition_matrix = build_transition_matrix(df)
transition_matrix
AI 代码解读

在这里插入图片描述

# 根据状态转移矩阵计算每个时间点的比赛胜率
def calculate_win_prob(transition_matrix):
    win_prob = {}
    for state in transition_matrix:
        # 运动员的胜率计算
        if state not in win_prob.keys():
            win_prob[state] = 0  # 初始化胜率为0
        for next_state, prob in transition_matrix[state].items():
            win_prob[state] = prob * serving_advantage(state[2])
    return win_prob

win_prob = calculate_win_prob(transition_matrix)
win_prob
AI 代码解读

在这里插入图片描述

# 可视化比赛进程
def visualize_match_flow(win_prob, df):
    x = np.arange(len(df))
    y_p1 = [win_prob[(df.iloc[i]['player1'], df.iloc[i]['score_status'],df.iloc[i]['server'])] for i in range(len(df))]
    print(y_p1[-10:])
    y_p2 = [1 - win_prob[(df.iloc[i]['player1'], df.iloc[i]['score_status'],df.iloc[i]['server'])] for i in range(len(df))]  # 第二个运动员的预测概率
    print(y_p2[-10:])
    plt.figure(figsize=(10, 5))
    plt.plot(x, y_p1, color='red', label=player1)
    plt.plot(x, y_p2, color='blue', label=player2)
    plt.xlabel('Point Number')
    plt.ylabel('Win Probability')
    plt.title('Match Flow')
    plt.legend()
    plt.show()

visualize_match_flow(win_prob, df)
AI 代码解读

在这里插入图片描述

目录
打赏
0
2
4
0
150
分享
相关文章
Python中的装饰器:简化代码,增强功能
在Python的世界里,装饰器是那些静悄悄的幕后英雄。它们不张扬,却能默默地为函数或类增添强大的功能。本文将带你了解装饰器的魅力所在,从基础概念到实际应用,我们一步步揭开装饰器的神秘面纱。准备好了吗?让我们开始这段简洁而富有启发性的旅程吧!
59 6
Python中的装饰器:功能增强与代码复用的利器
在Python编程中,装饰器是一种强大而灵活的工具,它允许开发者以简洁优雅的方式增强函数或方法的功能。本文将深入探讨装饰器的定义、工作原理、应用场景以及如何自定义装饰器。通过实例演示,我们将展示装饰器如何在不修改原有代码的基础上添加新的行为,从而提高代码的可读性、可维护性和复用性。此外,我们还将讨论装饰器在实际应用中的一些最佳实践和潜在陷阱。
实战指南:通过1688开放平台API获取商品详情数据(附Python代码及避坑指南)
1688作为国内最大的B2B供应链平台,其API为企业提供合法合规的JSON数据源,直接获取批发价、SKU库存等核心数据。相比爬虫方案,官方API避免了反爬严格、数据缺失和法律风险等问题。企业接入1688商品API需完成资质认证、创建应用、签名机制解析及调用接口四步。应用场景包括智能采购系统、供应商评估模型和跨境选品分析。提供高频问题解决方案及安全合规实践,确保数据安全与合法使用。立即访问1688开放平台,解锁B2B数据宝藏!
【Azure Developer】编写Python SDK代码实现从China Azure中VM Disk中创建磁盘快照Snapshot
本文介绍如何使用Python SDK为中国区微软云(China Azure)中的虚拟机磁盘创建快照。通过Azure Python SDK的Snapshot Class,指定`location`和`creation_data`参数,使用`Copy`选项从现有磁盘创建快照。代码示例展示了如何配置Default Azure Credential,并设置特定于中国区Azure的`base_url`和`credential_scopes`。参考资料包括官方文档和相关API说明。
|
1月前
|
Python高性能编程:五种核心优化技术的原理与Python代码
Python在高性能应用场景中常因执行速度不及C、C++等编译型语言而受质疑,但通过合理利用标准库的优化特性,如`__slots__`机制、列表推导式、`@lru_cache`装饰器和生成器等,可以显著提升代码效率。本文详细介绍了这些实用的性能优化技术,帮助开发者在不牺牲代码质量的前提下提高程序性能。实验数据表明,这些优化方法能在内存使用和计算效率方面带来显著改进,适用于大规模数据处理、递归计算等场景。
71 5
Python高性能编程:五种核心优化技术的原理与Python代码
|
2月前
|
课程设计项目之基于Python实现围棋游戏代码
游戏进去默认为九路玩法,当然也可以选择十三路或是十九路玩法 使用pycharam打开项目,pip安装模块并引用,然后运行即可, 代码每行都有详细的注释,可以做课程设计或者毕业设计项目参考
84 33
Python编程基础:从零开始的代码旅程
【10月更文挑战第41天】在这篇文章中,我们将一起探索Python编程的世界。无论你是编程新手还是希望复习基础知识,本文都将是你的理想之选。我们将从最基础的语法讲起,逐步深入到更复杂的主题。文章将通过实例和练习,让你在实践中学习和理解Python编程。让我们一起开启这段代码之旅吧!
【Azure Developer】Python代码调用Graph API将外部用户添加到组,结果无效,也无错误信息
根据Graph API文档,在单个请求中将多个成员添加到组时,Python代码示例中的`members@odata.bind`被错误写为`members@odata_bind`,导致用户未成功添加。
56 10
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
通过这些思维导图和分析说明表,您可以更直观地理解和选择适合的数据可视化图表类型,帮助更有效地展示和分析数据。
114 8
|
2月前
|
【Azure Developer】分享一段Python代码调用Graph API创建用户的示例
分享一段Python代码调用Graph API创建用户的示例
74 11

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等