A Model for Winning Survivor
2 days ago
- 作者构建了机器学习模型（逻辑回归）来逐集预测《幸存者》冠军和淘汰概率。
- 获胜模型的特征包括处于危险中的次数、访谈份额、年龄（曲线）、之前赛季的数量以及拥有优势；淘汰模型使用拥有的优势、反对票数、免疫获胜率和年龄。
- 该模型在选择最终冠军方面的表现大约是随机概率的2倍（22.5%对10.1%的基线）。
- 在第50季中，模型早期将亚军乔纳森标记为竞争者，并准确跟踪了游戏中的事件，比如西里在使用她的优势后胜率下降。
- 跨赛季分析按统治力得分对获胜者进行排名（例如，波士顿罗布的S22胜利最具统治力），并识别出最大的冷门，如S19中的拉塞尔·汉茨。
- 该模型对应用使用留一赛季外训练，并包括关于缺乏社交化学反应和有限数据的注意事项。