| At line 243 added 2 lines |
|
|
| At line 338 changed one line |
| * Pelaajien pisteiden keskiarvo siirretään joka turnauksen jälkeen tuhanteen (tämä nostaa hiukan vanhojen pelaajien luokitusta, mutta vaikutus on minimaalinen) |
| * Pelaajien pisteiden keskiarvo siirretään joka turnauksen jälkeen tuhanteen. (Tämä nostaa hiukan vanhojen pelaajien luokitusta, mutta vaikutus on minimaalinen.) |
| At line 377 added 105 lines |
|
| Suunnittelen mittaavani eri parametrien hyvyyttä järjestelmällisesti joskus myöhemmin, en välttämättä pian. |
|
| Muuten, shakin Elo-pohjaisten pistejärjestelmien toimintaa ja niiden puutteita on selitetty kansantajuisesti tässä artikkelissa: [http://math.bu.edu/people/mg/papers/acjpaper.ps]. |
|
| [Antti Tarvainen], 27.4. |
|
| Timo, nähdäkseni rinnastat selvästi vertailukelvottomia asioita. |
| Olisitko laskemassa tulosten luotettavuutta poikkeamien neliösummalla |
|
| *kaikkien pelaajien kaikista tuloksista, |
| *yksilöityjen pelaajien tuloksista käytettävissä olevan peliuran aikana |
| *yksilöidyn pelaajan tuloksista yhden turnauksen aikana, vai |
| *yksittäisistä peleistä? |
|
| Ellei toisin osoiteta, on eri asia arvioida tuloksia eri |
| konteksteissa, se tekee tuloksista vertailukelvottomia, ja erityisesti |
| aineiston luonne asettaa tähän omat rajansa. Kun nyt aineisto ja sen |
| ominaisuudet ovat (vielä) tuntemattomia, ainakin itse olisin |
| äärimmäisen varovainen yleistämään näitä tilanteita ristiin (l. voisin |
| ehkä tehdä tuon uteliaisuuden aiheuttamasta mielenkiinnosta, mutta en |
| ainakaan pitäisi siitä saatuja tuloksia mitenkään oikeutettuina tai |
| etenkään oikeellisina.) Ja sittenpä voikin arvata mitä tällainen |
| perustavanlaatuinen määrittelyn tekemättä jättäminen vaikuttaa |
| työkalun (juuri esmes poikkeamien neliösummat) valintaan. |
|
| Mainittakoon että näiden erilaisten aineiston käyttötapojen aiheuttama |
| tulosten keskinäinen vertailukelvottomuus on näkynyt kaikissa |
| luokituskeskusteluissa ja joka käänteessä. Ihmiset eivät tunnu |
| hahmottavan että kyse on eri asioista. Näin ollen aivan ensimmäiseksi |
| pitäisi määritellä että mitä tutkitaan/mallinnetaan ja miten. Ei |
| varmaankaan kuulosta yllättävältä, että biometriassa ongelmakentän |
| määrittelyn jälkeen seuraava vaihe on poikkeuksetta määrittää |
| aineiston luonne ja että mitä menetelmiä siihen voi soveltaa. |
|
| Tarvaisen Antin kokeilu mallin virittämiseksi on ilman muuta iloista |
| nähtävää, mutta silti mieleeni tulee, että pitäisi ''pohtia |
| perusteita'' seuraaville: |
|
| *mihin perustuu parametri k:n raja-arvojen 32 ja 64 valitseminen |
| *miksi pelitaso alkaa muuttua puolen vuoden pelitauon jälkeen, ja muutos kasvaa lineaarisesti kahteen vuoteen saakka |
| *onko piste-ero transitiivinen sekä mahdollisesti lineaarinen, ja jos niin minkä suhteen |
|
| Kysymyksiä saadaan varmasti paljon, kun kyseenalaistetaan kaikki |
| hihasta vedetyt olettamukset. Jos tällaisia ei pohdita huolella, |
| ollaan sortumassa käytännössä samaan kuin mistä nykysysteemiä on |
| kritisoitu: mielivaltaan. Oletetaan että ihminen voi arvioida mallia |
| vain katsomalla sen antamia tuloksia, sen sijaan että lähdettäisi |
| jostain määriteltävistä perusteluista. |
|
| Tämän lisäksi pitäisi mallin antamia tuloksia tutkia suhteessa |
| oikeisiin pelituloksiin: ennustaako malli tulokset millään |
| järjellisellä tarkkuudella, ja miten luotettavasti (l. |
| systemaattisesti) sen tulokset ennustavat tapahtunutta. Tällä saataisi |
| keinoja arvioida ''miksi'' ja ''missä tapauksessa'' jokin nimenomainen |
| numeerinen malli voisi olla parempi kuin nykyinen, epäreiluksi |
| haukuttu systeemi. |
|
| Tämä ei kuitenkaan tarkoita että pitäisin eri asioiden kokeilemista |
| pahana, eihän aineiston ja mallin käyttäytymisestä voida saada |
| selville mitään ilman että niitä tutkitaan. Sen sijaan olisin erittäin |
| varovainen arvioimaan ''mitä tahansa'' mallia ilman että asiat voidaan |
| perustella muuten kuin että "se näyttää antavan parempia tuloksia." |
|
| Ylempänä on sitetty kysymys GOR-systeemin heikkouksista, kerronpa |
| tässä yhden perustavanlaatuisen heikkouden. ELO-systeemi pohjautuu |
| normaalijakaumaan. Shakissa tällä ei ole väliä, koska pelivahvuus on |
| abstrakti kokonaisluku jota verrataan vain siihen itseensä, gossa taas |
| siihen yritetään sitoa dan/kyu-luokitus, joka taas perustuu |
| tasoituskiviin. Hups, milläs perusteella nämä olivatkaan |
| vertailukelpoisia? Muitakin heikkouksia löytyy, mutta en aio tehdä |
| sitä suurta työtä, että analysoisin ne. |
|
| Pahoittelen jälleen osallistumistani, mutta tilastomenetelmien väärin |
| ymmärtäminen ja kyseenalainen käyttö ylitti jälleen |
| kirjoituskynnykseni. Ja tarkoitukseni on ensi sijassa esittää |
| rakentavaa kritiikkiä, mutta myös esittää miten hankala oikeasti |
| onkaan ongelmakenttä numeerisen systeemin laadinnassa. |
|
| -- DonOlli |
|
| Minusta sellaisen numeerisen järjestelmän laatiminen, joka pyrkii täyttämään kaikki go- luokitukselle asetetut vaatimukset yhtä aikaa, on erittäin kunnianhimoinen projekti eikä ole välttämättä edes tarpeellinen. Tarvaisen Antin mallin tarkoitus on esittää kärjelle järjestys. Mielestäni emme toistaiseksi edes tarvitse muunlaista automaattista järjestelmää. Myös yllä esitetty huomautus GOR-systeemin eräästä heikkoudesta on paikkansapitävä. |
|
| -- Markku |
|
| Viimeisimmästä Antin tekemästä listasta pistää silmämääräisesti esiin sellainen seikka, että se näyttäisi koostuvan n. 2-3 populaatiosta, jotka ovat pelanneet enimmäkseen keskenään. Tämä johtunee turnauksissa käytetyistä MacMahon-rajoista. Seurauksena vaikuttaisi olevan, että k.o. populaatioista ylempien heikommat pelaajat tippuvat tuntuvastikin alempien populaatioiden vahvempien pelaajien alle, vaikka keskinäisiä pelejä ei juurikaan ole. En ala erittelemään miksi satuin huomaamaan tämän :) Olisi mielenkiintoista nähdä turnausdata jollakin tavalla klusteroituna pelaajaparien mukaan. |
|
| --Paavo |
|
| - ''Tein jonkinlaisen kuvaajan josta näkee pelatut pelit sivulle [SuomalaistenTasaAvausPelienMatriisi] -- Tuomo K.'' |
|
| Paavolle: Huomasin itsekin tuon. En keksinyt mitään heuristiikkaa, jolla tuota voisi kompensoida. Jos tulee mieleen, kannattaa ehdottaa. En tiedä myöskään, kuinka tuon klusteroinnin voisi hoitaa. |
|
| Ollille: Numerot ovat todellakin hatusta vedettyjä, enkä edes kokeillut muita arvoja. Olen samaa mieltä myös siitä, ettei tällaista järjestelmää kannata ottaa käyttöön, ennen kuin sen sen toimivuus on testattu. |
|
| -- [Antti Tarvainen], 27.4. |
|
| Ollille: |
| Eri pelijoukolle lasketut virheiden neliösummat eivät tosiaankaan ole vertailukelpoisia, eikä jollain joukolla saatu luku kerro sinänsä mitään erityisen mielekästä, paitsi että pienempi luku on parempi. Eikä sen ole tarvekaan kertoa, koska samalla joukolla saatuja lukuja eri ennustussysteemeistä voidaan kuitenkin vertailla mielekkäästi. Tämähän riittää eri systeemien vertailua varten, koska kaikki systeemit voidaan laittaa antamaan todennäköisyydet samalle joukolle pelejä ja tulosten selvitessä voidaan kaikille laskea virhe, jota voidaan vertailla. Virheiden neliösummien tilalla voi käyttää vaikka virheiden itseisarvojen keskiarvoa, joka tuottaa erilaisia lukuja, mutta joilla on intuitiivisesti suorempi tulkinta. Tuon virheiden kokoamisfunktion (siis esimerkkinä neliösumma, itseisarvojen keskiarvo tai mikä tahansa L_n normi) valinnalla mun mielestä vaikutetaan vain siihen, miten paljon erisuuruisista virheistä rangaistaan. Näin lasketut virheet eivät edelleenkään varmaankaan ole tilastollisesti merkittäviä, mutta annetun datan puitteissa parasta saatavissa olevaa tietoa. Intuitiivisesti kuitenkin virhe isommalle ja kattavammalle pelijoukolle on merkittävämpi kuin pienelle. |
|
| --Timo |
|
| [Ehdotus luokittajan nyrkkisäännöksi|EhdotusLuokittajanOhjenuoraksi] |
|
| -- Markku 6.6. 2005 |