和通盘竞技体育比赛雷同真实赌钱app，奥运会的魔力之一在于后来果的悬念性。举例，本届巴黎奥运会乒乓球须眉单打1/4决赛中，樊振东对战张本智和，在过期两局的情况下完成逆转；又或是通盘遥遥最初的射击选手在临了一枪脱靶，痛失金牌。一场后果已知的比赛重播，对不雅众的眩惑力会大大缩小。然则，一些代表队在特定项目上超卓的实力，又让咱们对其得到奖牌或金牌给以了厚望，举例我国的跳水。

那么，奥运会的奖牌数量不错被瞻望吗？不同项主张可瞻望性存在多大互异呢？为了搞了了这个问题，咱们团队进行了一项磋议。

太多身分能影响奖牌数量了！

瞻望奥运收获并不是一件浅显的事情。咱们知谈，一个国度或地区约略得到几许奖牌，可能和许多身分联系。比如有磋议者曾发现一个代表队场地国度的东谈主口范围越大、东谈主均GDP越高、是本届比赛的东谈国等，其举座得到奖牌的数量皆会更多。

于是咱们决定使用“立时丛林模子”来进行瞻望。浅显来说，立时丛林模子即是三个臭皮匠顶个诸葛亮，就像是一个由许多“树”构成的团队，每棵树皆对后果有我方的办法，临了把丛林中树的瞻望后果作念一个平均，以此来作念出最准确的瞻望。

因此这个模子的克己是，滥觞，它约略退避瞻望的顶点化。因为总的瞻望后果是空洞每棵树的瞻望得出的，减少了使用单一模子瞻望的谬误，提高了准确性。第二是适用范围广，这是一个很熟谙的模子，在社会科学范围方面的诈欺很盛大。第三是抗干涉才调强。即使数据中有些造作或不正常的值，它也能保抓好的阐扬，不那么容易出错。

瞻望奥运收获并不是一件浅显的事情丨图虫创意

在咱们的模子中，咱们既研究了如故被文件中议论的身分，比如一个国度的东谈主均GDP与宇宙平均水平的相比、国度东谈主口占全球东谈主口的比例，以及这个国度是否是奥运会的东谈国。同期，为了使瞻望愈加准确，咱们还研究了一个代表队夙昔在特定项目上的树立，也即是他们在上一届奥运会上的阐扬。

接下来，咱们分析了从1992年到2021年，八届夏日奥运会的多数数据，悉数涵盖了29个不同的贯通项目和逾越18000条比赛收获纪录。咱们用1992年到2016年的奥运会数据来“教师”咱们的模子，然后用2020年（施行2021年举办）东京奥运会的数据来测试咱们的模子是否灵验。就像教师一个贯通员雷同，咱们需要给他们弥散的技巧（数据）来学习和提高，然后在比赛中锤真金不怕火其才调。

通过这种范例，咱们但愿约略更好地表露不同奥运会项目后果可瞻望性的互异，以及是什么让一个代表队的贯通员在奥运会特定项目上阐扬出色，也许这还能匡助咱们找到培养优秀贯通员的新范例。

通过机器学习，咱们得出了哪些论断？

咱们发现奖牌可瞻望性强（排前十）的项目分别是乒乓球、羽毛球、拍浮、跳水、马术、击剑、柔谈、自行车、摔跤、风帆。金牌可瞻望性强（排前十）的项目分别是姿首拍浮、跳水、乒乓球、射箭、马术、摔跤、拍浮、篮球、水球、风帆。

与此同期，奖牌可瞻望性最弱的10项贯通是水球、当代五项、排球、网球、曲棍球、举重、铁东谈主三项、篮球、跆拳谈、射击。金牌可瞻望性最弱的10项是跆拳谈、网球、足球、当代五项、排球、皮划艇、赛艇、铁东谈主三项、射击、手球。

奖牌和金牌可瞻望性前十和后十的贯通项目丨参考云尔1

一个特定奥运项目奖牌或金牌的可瞻望性，主要取决于参与代表队的几许、各代表队水平的散播、以及比赛项目自己的偶然性。

一方面，项主张可瞻望性强主如果因为有一个或少数几个代表队在该项目中具有超强实力。举例中国在乒乓球项目上坚毅的空洞实力导致奖牌的可瞻望性较强；而在姿首拍浮项目上，俄罗斯队在双东谈主赛和团体赛上贯串6届蝉联冠军，如果参赛，俄罗斯在姿首拍浮项目上得金牌的可瞻望性最强。

而项主张可瞻望性弱主如果因为参与该项主张代表队繁多，同期实力较为接近，导致竞争强烈。举例在足球项目上有19个代表队皆曾得到金牌或奖牌。此外，一些项目（如射击）在比赛时贯通员解析的偶然性较高、阐扬较难预料，其金牌和奖牌的可瞻望性皆位居后十。

另外真义的是，奖牌的可瞻望性和金牌的可瞻望性也存在互异。举例在金牌的可瞻望性上篮球位居第八，在奖牌的可瞻望性上则位于倒数第八。这主如果因为历史上也曾有16个代表队得到奖牌，但唯有4个代表队（好意思国、独联体、阿根廷和拉脱维亚）夺得金牌。同期，在篮球项目产生的18枚金牌中，独联体、阿根廷、拉脱维亚各自只得到1枚金牌，其余15枚金牌皆为好意思国队所得。

进一步分析，量化传统上风和性别互异

特定代表队在某些项目上具有一定的传统上风，该如何量化这种上风呢？天然咱们在教师模子的技巧如故加入了代表队在上一届比赛中是否投入过前三或前八，一定经由上捕捉了该代表队的上风。但这无法反应一个国度恒久的历史传统。

咱们进一步加入了代表队的固定效应，也即是一个国度在特定项目上难以被明确分析但又客不雅存在的“传统上风”，以揭示代表队潜在特征对其奥运阐扬的影响。在奖牌瞻望方面，“传统上风”相比大的组合为：韩国-射箭、好意思国-拍浮、俄罗斯-体操、俄罗斯-摔跤等。在金牌瞻望方面，这些组合为：中国-跳水、俄罗斯-体操、韩国-跆拳谈等。同期，关于金牌瞻望而言，传统上魄力外大的组合数量远远少于对奖牌而言的瞻望。这标明，某些代表队在某些项目上领有坚毅的实力，但得到金牌的难度远重大于得到奖牌的难度。

工业富联业绩快报：上半年净利润同比增长22.04%

“传统上风”对贯通员奥运阐扬的影响丨参考云尔1

奥运会是性别对等的比赛，大多数项目皆是既有须眉项目，也有女子项目。在东京奥运会上，共有146个须眉项目、137个女子项目和15个男女羼杂项目。从奥运项目阐扬看，我国女贯通员取得的收获好于男贯通员。在东京奥运会中国代表团所获的38枚金牌中，女子项目22枚金牌，须眉项目13枚金牌，羼杂项目3枚金牌。凭据集合国公布的性别对等指数（GII，该数字越小代表越对等），我国GII从1998年的0.287降到了2022年的0.186。有磋议标明，女性赋权贯通加多了该国女性参与奥运会和在其中得到奖牌的概率。

关于比赛后果，咱们进一步差别了男女项目后，将数据分为两类从头教师了模子。在总得分前十的项目中，从瞻望后果看，平均而言，女子项主张模子瞻望质地远高于须眉项目。在女子入围的6个项目中，有5个得分逾越了90%，其中有3个逾越了95%。这也从侧面印证了须眉项主张竞争性要强于女子项目，导致后来果的不行瞻望性更强。须眉项主张高水平贯通员东谈主数更多、更分散在各个代表队，对须眉项主张金牌瞻望愈加贫苦。这可动力于男女在竞技体育参与意愿、援手商数量等身分。

分性别奖牌数和金牌数瞻望得分前十的项目丨参考云尔1

但愿“种子”和“泥土”相反相成

天然一个国度东谈主口数量越多、东谈主均 GDP越高，该国得到的奥运奖牌一般越多，但是不同项目对经济发展水平的依赖经由是有互异的。关于一些项目（如马术）而言，坚毅经济实力的门槛作用至关伏击。举例，马术项主张参与代表队大多出现时东谈主均GDP是宇宙东谈主均GDP5倍以上的国度或地区，东谈主均收入较低的国度或地区对马术项目奖牌的瞻望作用很小。

但关于另外一些项目，举例跳水，发达经济体和发展中经济体皆有所参与，这标明其对国度举座经济水平的依赖经由较小。此外，举例网球项目交易价值高，历史数据来看，大部分参与选手皆来自于发达经济体。但跟着我国经济实力的提高，也显现出了像李娜、郑钦文这么优秀的网球贯通员。

东谈主均收入对马术项目奖牌瞻望的影响丨参考云尔1

培养高水平贯通员或是东谈主才既需要弥散多的大众基础动作“种子”，也需要一国东谈主均经济收入达到一定经由动作培养的“泥土”，还需要高效的东谈主才聘用及培养系统。不同项目对经济条目的依赖不同。因此，动作一个快速发展的国度，咱们应凭据经济发展水平疗养竞技体育发展政策，找准赛谈。敬佩跟着我国经济水平的发展，不仅限于体育，我国各个范围的顶尖东谈主才会越来越多的显现出来。

临了

将咱们磋议的瞻望后果和东京奥运会的信得过数据相对比，咱们发现岂论是奖牌照旧金牌，岂论是使用差别性别照旧没差别性别的数据，关于排行前十的代表队，机器学习的范例皆低估了他们信得过得到的奖牌或金牌。也即是说，即使咱们研究了东谈主口、经济发展水平、上届比赛的收获、传统上风之后，奖牌和金牌照旧更为会聚在前几位的代表队中。你对奥运会奖牌的瞻望会比机器学习的范例作念的更好吗？

磋议的瞻望后果和东京奥运会信得过数据的对比丨参考文件1

参考文件

1.石慧敏, 章东迎, 章永辉. 奥运奖牌不错被瞻望吗？——基于可解说机器学习视角. 上海体育大学学报[J],2024,48 (4),26-36.

2.Agarwal R. and P. Gaule. 2020. Invisible geniuses: Could the knowledge frontier advance faster? [J] American Economic Review: Insights, 2 (4): 409-24.

3.Bernard A. B. and M. R. Busse. 2004. Who wins the Olympic Games: Economic resources and medal totals[J]. Review of Economics and Statistics, 86(1): 413-417.

4.Lowen, A., Deaner, R. O., and Schmitt, E. 2016. Guys and gals going for gold: The role of women’s empowerment in Olympic success[J]. Journal of Sports Economics, 17(3):260–285.

5.Schlembach C., S. L. Schmidt, D. Schreyer, et al. 2020. Forecasting the Olympic medal distribution during a Pandemic: A socio-economic machine learning model[J]. arXiv preprint arXiv:2012.04378.

作家：石慧敏

剪辑：黎小球

封面图开始：图虫创意