我有以下玩家,每个值对应于给定游戏中正确答案百分比的结果。
$players = array
(
'A' => array(0, 0, 0, 0),
'B' => array(50, 50, 0, 0),
'C' => array(50, 50, 50, 50),
'D' => array(75, 90, 100, 25),
'E' => array(50, 50, 50, 50),
'F' => array(100, 100, 0, 0),
'G' => array(100, 100, 100, 100),
);
我希望能够挑选出最好的球员,但我也想考虑球员的可靠性(更少的熵=更可靠),到目前为止我已经提出了以下公式:
average - standard_deviation / 2
但是我不确定这是否是最佳公式,我想听听您对此的想法。我一直在思考这个问题,并提出了一个略有不同的公式,这是修改后的版本:
average - standard_deviation / # of bets
然后,该结果将针对下一次即将进行的投票进行加权,因此,例如,玩家 C 的新投注仅算作一半投注。
我不能在这里详细说明,但这是一个相关项目群体智慧理论 http://en.wikipedia.org/wiki/The_Wisdom_of_Crowds和德尔菲法 http://en.wikipedia.org/wiki/Delphi_method我的目标是根据几位玩家过去的投注来尽可能准确地预测接下来的结果。
我感谢所有的意见,谢谢。