Aller au contenu

OpenSkill

tilttek/rating

OpenSkill\OpenSkillSystem cote selon l'approximation bayésienne du classement en ligne publiée par Ruby C. Weng et Chih-Jen Lin (A Bayesian Approximation Method for Online Ranking, Journal of Machine Learning Research 12, 2011). Son identifiant est celui de son modèle : openskill-pl ou openskill-tm.

Habiletés et incertitude

L'habileté d'un membre est une loi normale : sa moyenne mu et son écart-type sigma. Un nouveau membre commence à mu = 25 et sigma = 25 / 3. Avant chaque partie, sigma grandit de tau, pour qu'une habileté puisse encore changer après de nombreuses parties. La moyenne d'un camp est la somme des moyennes de ses membres, et sa variance la somme de leurs variances.

Le modèle donne à chaque camp une correction de sa moyenne, Ω, et de sa variance, Δ. Chaque membre en prend la part de sa propre variance dans celle du camp, σ² / σ²side :

mu ← mu + σ² / σ²side × Ω
σ² ← σ² × max(1 − σ² / σ²side × Δ, κ)

de sorte que le membre le plus incertain d'une équipe bouge le plus, et que κ garde de l'incertitude dans tous les cas.

Les modèles

ModèleOpenSkillModel::Lit un résultat comme
Plackett-LucePlackettLuceL'ordre d'arrivée comme une suite de choix : chaque camp est choisi en premier parmi ceux qui restent, en proportion de e^(mu/c). Les camps du même rang se partagent chaque choix.
Thurstone-MostellerThurstoneMostellerChaque paire de camps comme un duel de deux performances normales, avec une marge de nulle.

Plackett-Luce convient aux parties de nombreux joueurs ou équipes et est la valeur par défaut ; Thurstone-Mosteller convient aux duels et aux jeux où les nulles sont fréquentes.

Réglages

new OpenSkillSystem(
    model: OpenSkillModel::PlackettLuce,
    mu: 25.0,              // the mean skill of a new member, 1 to 1 000
    sigma: null,           // its deviation; mu / 3
    beta: null,            // the deviation of one performance around the skill; sigma / 2
    tau: null,             // the growth of the deviation before each game; mu / 300
    kappa: 0.0001,         // the smallest share of a variance kept
    drawMargin: 0.1,       // the margin of a draw, Thurstone-Mosteller only
    z: 3.0,                // the deviations taken off for the conservative estimate, 0 to 10
    provisionalSigma: null, // the deviation above which a skill is provisional, above 0; none by default
);

provisionalSigma marque comme provisoire une habileté encore incertaine, quel que soit le nombre de parties jouées : Ratings::isProvisional() le lit, à côté des parties que demande provisionalGames ; voir Les cotes provisoires.

L'estimation prudente

Le classement ordonne les membres par mu − z × sigma, une habileté que le membre a au moins avec la confiance que donne z — environ 99,9 % pour 3 —, en centièmes. Un nouveau membre commence à 0 et monte à mesure que ses résultats confirment son niveau, plutôt que de dominer le classement après une victoire chanceuse. SkillRating::conservative($z) la donne pour un autre z.

Valeurs

mu et sigma sont gardés en millionièmes, SkillRating::$mu et SkillRating::$sigma, arrondis une fois par partie, si bien qu'une relecture donne les mêmes valeurs. La loi normale est calculée par la bibliothèque : la fonction d'erreur complémentaire par sa série de Maclaurin en dessous de 2 et sa fraction continue au-dessus, à la précision d'un nombre à virgule flottante ; une correction trop loin dans la queue pour un tel nombre prend sa limite.