Quem (ou o que é) melhor na previsão dos vencedores do March Madness?

Quando se trata de prever os vencedores do March Madness, quem sabe melhor: especialistas, algoritmos ou a multidão?

Quem (ou o que é) melhor na previsão dos vencedores do March Madness?

Um estimado 45% dos americanos irá preencher uma chave do torneio da NCAA este ano. Isso é mais do que o número de pessoas que votaram no Eleições de meio de mandato de 2010 . E até o relógio bater 12h15. em 15 de março, e bolas reais começam a ser lançadas em cestas de verdade, cada um de nós pode fingir ser o cara ou a garota mais inteligente da sala quando se trata de fazer as previsões do March Madness.

Mas quem (ou o que) realmente sabe melhor? No mês passado, examinamos abordagens algorítmicas, sociais e de especialistas para prever os vencedores do Oscar e determinamos que uma combinação de opinião de especialistas e análise algorítmica era a tática de maior sucesso. Agora, na véspera da orgia preditiva favorita da América, March Madness, fazemos a pergunta novamente: Os melhores preditores são robôs, escritores ou a multidão em geral?

Certamente, as pessoas que são pagas para ganhar a vida assistir ao basquete universitário sabem o que estão fazendo, certo? Mas enquanto todos, exceto um dos analistas especialistas da CBS Sports espera que Kentucky ganhe tudo , as previsões variam muito além do jogo do campeonato. Além disso, os especialistas podem ser mais propensos a escolher aborrecimentos porque, ei, eles são pagos para saber algo que o resto do mundo não sabe. E que melhor maneira de provar isso do que lançar contrariedades bizarras na parede e ver o que gruda?
O problema é que, embora os transtornos devam acontecer, geralmente não são os transtornos que previmos. De acordo com um estudo realizado por Indiana University (a 4ª semente na região Sul , a propósito), você terá uma taxa de sucesso igual ou melhor ao confiar na propagação do Comitê de Seleção e escolher zero perturbações, independentemente de sua experiência esportiva. Mas como isso não é divertido, vamos dar uma olhada em algumas outras abordagens.



Uma segunda opção é colocar sua confiança na sabedoria da multidão. Os blogueiros em Hoopism compilou dados do serviço de informações de apostas Sports Insights para exibir a porcentagem de apostas reais feitas a favor ou contra cada equipe. Mas como os dados são baseados em apostas reais, o site contém apenas previsões para os primeiros jogos em que as equipes já estão decididas.

retorno para fone de ouvido iphone 8

Isso nos deixa com a abordagem algorítmica, e poucos viram modelos preditivos mais baseados em computador do que Danny Tarlow e Lee-Ming Zen. Como muitos, Tarlow e Zen organizam um pool anual de torneios da NCAA. Mas o que torna o deles único é que cada entrada deve ser compilado por uma máquina sem consideração pelo julgamento humano.

Três anos atrás, eu tinha duas coisas em minha mente, disse Tarlow, um estudante de PhD em Ciência da Computação na Universidade de Toronto. Primeiro, eu estava trabalhando na construção de um sistema de recomendação semelhante aos usados ​​no desafio da Netflix. Em segundo lugar, não prestei atenção ao basquete universitário naquele ano, mas precisava preencher minha chave para uma piscina com alguns amigos. Em algum ponto, ocorreu-me que poderia usar exatamente o mesmo algoritmo de recomendação que estava codificando para fazer minhas previsões de colchetes.

Tarlow passou a explicar como os computadores se saíram contra seus colegas humanos na competição do ano passado. Incluímos três linhas de base humanas: sempre escolhendo a semente superior, o suporte previsto por Nate Silver e o suporte pessoal de Lee. Contra esse campo, as máquinas venceram. (Para os não iniciados, o New York Times 'Nate Silver cria um suporte a cada ano combinando sistemas baseados em humanos e computadores.)

Tarlow e Zen concordam que, embora a taxa de sucesso de cada abordagem algorítmica possa variar muito, os computadores estão melhorando a cada ano. As abordagens e configurações definitivamente se tornam mais sofisticadas, disse Zen. Mas, mesmo assim, estamos apenas arranhando a superfície.

Tarlow concordou que eles ainda têm um longo caminho a percorrer. Direi apenas que ainda não peguei minha conta bancária e parti para Las Vegas, disse ele.

Você não precisa criar seu próprio algoritmo para obter um pouco de assistência robótica para seu suporte. Existem muitos modelos preditivos baseados em computador gratuitos, a partir de numberFire para Power Rank (que exibe suas previsões em uma visualização atraente). Mas se há uma coisa com a qual a maioria dos previsores concorda, humano ou não, é que o dinheiro inteligente está no número 1 geral de sementes do Kentucky para levar para casa o troféu do campeonato. Então, novamente, ESPN é rápido em apontar que a semente número 1 geral tem só ganhou uma vez desde que o comitê começou a distribuir essa distinção há oito anos.

Tudo isso revela o que já sabíamos secretamente, mesmo que nossos egos pré-torneio tentem nos dizer o contrário: Não existe um método infalível para a previsão de esportes, não importa quão conhecedor seja o humano ou quão avançado seja o algoritmo. Portanto, América, pare de se agonizar com sua chave e volte ao trabalho.

[ Imagem: usuário do Flickr Erik Charlton ]