De L-mens is beperkt en bevooroordeeld.
Beperkt: de wereld bestaat alleen uit ratings en uitslagen. En daar heeft de L-mens een duidelijke opinie over.
In een toernooi moeten ratingverschillen en uitslagen exact aan elkaar gelijk zijn.
Code: Select all
S1 S2 S3 S4 S1 S2 S3 S4
LSM-Rtg 2 1 -1 -2 2 1 -1 -2 som = 0
+---------------------------+ +---------------------------+ +-----------------------------+
2 | 0 1 3 4| S1 2 | 0 1 3 4| | 0,00 0,00 0,00 0,00|
1 | -1 0 2 3| S2 -1 | -1 0 2 3| | 0,00 0,00 0,00 0,00|
-1 | -3 -2 0 1| S3 -1 | -3 -2 0 1| | 0,00 0,00 0,00 0,00|
-2 | -4 -3 -1 0| S4 -2 | -4 -3 -3 0| | 0,00 0,00 0,00 0,00|
+---------------------------+ +---------------------------+ +-----------------------------+
Uitslagen L-matrix Kwadraat (Uitslagen -/- L-matrix)
In het bovenstaande voorbeeld wordt de L-mens heel erg gelukkig. Neem bijvoorbeeld de uitslag tussen S1en S4.
We zien dat het rating verschil 2 -(-2) = 4 precies gelijk is aan de score.
En dat geldt voor alle uitslagen in deze matrix.
Maar helaas, dit is vaak niet het geval.
Bijvoorbeeld, we kijken naar de volgende uitslagen:
Code: Select all
S1 S2 S3 S4 S1 S2 S3 S4
2 1 -1 -2 LSM-Rtg 0,75 0,25 -0,25 -0,75 som = 2 (8 x 0,25)
+---------------------------+ +----------------------------+ +-----------------------------+
S1 2 | 0 1 1 1| 0,75 | 0,00 0,50 1,00 1,50| | 0,00 0,25 0,00 0,25|
S2 1 | -1 0 1 1| 0,25 | -0,50 0,00 0,50 1,00| | 0,25 0,00 0,25 0,00|
S3 -1 | -1 -1 0 1| -0,25 | -1,00 -0,50 0,00 0,50| | 0,00 0,25 0,00 0,25|
S4 -2 | -1 -1 -1 0| -0,75 | -1,50 -1,00 -0,50 0,00| | 0,25 0,00 0,25 0,00|
+---------------------------+ +----------------------------+ +-----------------------------+
Uitslagen L-matrix Kwadraat (Uitslagen -/- L-matrix)
In dit geval zal het niet lukken een ideale oplossing te vinden.
Het hoogst haalbaar is een oplossing waarin de ratingmatrix, de L-matrix, zo "goed mogelijk" lijkt op de uitslagenmatrix.
De vraag is nu: wat bedoelen we met "zo goed mogelijk" ?
Hier komt de methode van de "kleinste kwadraten" in beeld.
Bijvoorbeeld, we kijken naar de uitslag tussen S1 en S4. De uitslag is 1,
en het ratingverschil is 1,50. Het verschil is (1 - 1,50) = -0,50.
Dit kwadrateren we, en zo komen we uit op 0,25. Dit bepalen we voor alle elementen van de matrix.
De individuele resultaten worden gesommeerd. Vervolgens:
Bepaal de LS-ratings zodanig dat ||Uitslagen -/- L-matrix|| minimaal wordt
Dit is een beproefde methode, die gebruikt wordt in vergelijkend onderzoek, bijvoorbeeld door psychologen.
Zie: Harold Gulliksen, A Least Squares Solution for Paired Comparisons With Incomplete Data, 1955,
url=
https://onlinelibrary.wiley.com/doi/pdf ... .tb00052.x
Merk op:
- De motivatie voor de Recursive Buchholz en LSM is totaal verschillend. Opmerkelijk genoeg is het resultaat op een factor 2 na gelijk
- In een rondtoernooi zijn de scores en de LS-ratings op een factor na aan elkaar gelijk
- LS-ratings zijn gelijk aan de lineaire variant van de Relative Elo ratings. D.w.z. vervang de cumulatieve normale verdeling door delen door 800.
De berekening
De LS-ratings van een toernooi zijn een oplossing van het stelsel lineaire vergelijkingen: L.x = s. Hierin is L is de Laplacian van de bogenmatrix van het toernooi.
Code: Select all
+--------------------+ +---------------------------+
S1 | 3 -1 -1 -1 -1 | | -1/16 -5/16 -5/16 -1/4| | 2 | | 0,75 |
S2 | -1 3 1 -1 -1 | | -5/16 -1/16 -5/16 -1/4| | 1 | | 0,25 |
S3 | -1 -1 3 -1 -1 | >>>Inverteer>>> | -5/16 -5/16 -1/16 -1/4| X | -1 | = | -0,25 |
S4 | -1 -1 -1 3 -1 | | -5/16 -5/16 -5/16 -1/4| | -2 | | -0,75 |
Totaal | -1 -1 -1 -1 4 | | -1/4 -1/4 -1/4 0 | | 0 | | 0 |
+--------------------+ +---------------------------+
L = Laplacian Inverse(L) X score = ratings
De verbindingsmatrix, of incidentiematrix, van een toernooi heet M. Als speler 1 en speler 4 elkaar n keer hebben ontmoet, dan staan er in elementen (1,4) en (4,1) van M het getal n. M is symmetrisch.
In de diagonaal van de Laplacian L staan het aantal gespeelde partijen van de betreffende speler. Op de overige plekken de minus van de verbindingsmatrix. In ons voorbeeld -1, omdat alle spelers elkaar precies één keer hebben ontmoet. Deze matrix is afhankelijk (determinant = 0), en kan niet omgekeerd worden. Daarom voegen we een vergelijking toe, namelijk dat de som van alle ratings 0 moet zijn. Het gevolg is een extra rij en kolom, zoals we in het voorbeeld kunnen zien. De inverse Laplacian vermenigvuldigen we met de scores, en wat schets onze verbazing: De LS-ratings zijn het resultaat.
Als de matrix dun bevolkt is (ijl), bijvoorbeeld 128 deelnemers en 9 rondes zoals het Rotterdam Open 2019 , dan zijn iteratieve Krylov methodes geschikter, vooral qua ruimtebenutting.