Πλοήγηση ανά Επιβλέποντα "Karlis, Dimitrios"

A B C D E F G H I J K L M N O P Q R S T U V W X Y Z

Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ Σ Τ Υ Φ Χ Ψ Ω

Τώρα δείχνει 1 - 7 από 7

Adaptive performance metrics in basketball
(2025-03-31) Tsougkrianis, Ioannis; Ntzoufras, Ioannis; Chatziantoniou, Damianos; Karlis, Dimitrios
Αυτή η εργασία επικεντρώνεται στην ανάπτυξη ενός νέου πλαισίου μετρικών στο μπάσκετ, σχεδιασμένων να αξιολογούν δυναμικά την απόδοση παικτών και ομάδων σε βασικές πτυχές του παιχνιδιού, όπως η αποτελεσματικότητα στην επίθεση, η αμυντική επίδραση και η επίδοση σε καθοριστικές στιγμές. Αυτές οι μετρικές στοχεύουν στο να παρέχουν μια διαφορετική οπτική γωνία της απόδοσης, ανάλογα με τα διαφορετικά πλαίσια κάθε αγώνα, όπως οι καταστάσεις υψηλής πίεσης, και να εμβαθύνουν την κατανόησή μας για το μπάσκετ ως ένα πολύπλοκο και δυναμικό άθλημα, προσφέροντας ταυτόχρονα χρήσιμες πληροφορίες που μπορούν να ενδυναμώσουν τις ομάδες να λαμβάνουν πιο ακριβείς, βασισμένες σε δεδομένα αποφάσεις
Adjusted rand index in soft clustering
(2025-03-31) Kalatzis, Viktor; Καλατζής, Βίκτωρ; Papastamoulis, Panagiotis; Chatziantoniou, Damianos; Karlis, Dimitrios
Η αξιολόγηση της ποιότητας της ομαδοποίησης είναι αναμφισβήτητα σημαντική για τη μάθηση χωρίς επίβλεψη, ιδίως όταν πρόκειται για τη διεξοδική διαχείριση των μεθόδων ομαδοποίησης soft clustering. Ο προσαρμοσμένος δείκτης Rand (ARI) και πρόσθετα συνήθη μέτρα είναι αποτελεσματικά για όλες τις σκληρές ομαδοποιήσεις. Αυτά τα μέτρα δεν λαμβάνουν υπόψη τους τις συμμετοχές που βασίζονται σε πιθανότητες. Ως επέκταση του ARI, η παρούσα διατριβή εισάγει μια εκδοχή του ARI, το Soft Adjusted Rand Index (sARI) για τη διαχείριση των soft partitions. Εξετάζονται και συγκρίνονται τρεις εκδόσεις του sARI με τη χρήση κατασκευασμένων συνόλων δεδομένων που παρουσιάζουν πολλαπλά σχήματα συστάδων και ποσά επικάλυψης. Με βάση τα ευρήματά μας, ο τύπος 1 του sARI φαίνεται να ταιριάζει περισσότερο με τον ARI, ενώ παράλληλα αλλάζει σε πλήρη αβεβαιότητα ομαδοποίησης soft. Αυτή η εργασία δίνει ιδέες για το πώς να βελτιωθούν οι μέθοδοι επικύρωσης της συσταδοποίησης για πιθανοτικά μοντέλα.
Elo-type ratings in tennis
(2025-04-02) Παπαδημητρίου, Άννα; Papadimitriou, Anna; Ntzoufras, Ioannis; Chatziantoniou, Damianos; Karlis, Dimitrios
Στο επαγγελματικό τένις, τα συστήματα κατάταξης παίζουν καθοριστικό ρόλο στην αξιολόγηση της απόδοσης των παικτών και στην πρόβλεψη των αποτελεσμάτων των αγώνων. Το επίσημο σύστημα κατάταξης της ATP αξιολογεί τους παίκτες με βάση τους πόντους που συγκεντρώνουν σε επιλεγμένα τουρνουά κατά τη διάρκεια μιας κυλιόμενης περιόδου 52 εβδομάδων. Ωστόσο, αυτή η προσέγγιση δεν αντικατοπτρίζει πάντα με ακρίβεια την τρέχουσα απόδοση ενός παίκτη. Το σύστημα αξιολόγησης Elo, που αναπτύχθηκε αρχικά για το σκάκι, θεωρείται ανώτερο λόγω της ικανότητάς του να ενημερώνει δυναμικά τις βαθμολογίες των παικτών μετά από κάθε αγώνα. Αυτή η διπλωματική εργασία εξετάζει την αποτελεσματικότητα των συστημάτων αξιολόγησης Elo στην πρόβλεψη αποτελεσμάτων αγώνων τένις. Συγκεκριμένα, εφαρμόζεται το σύστημα Elo με δύο διαφορετικές προσεγγίσεις —τη μέθοδο με σταθερό συντελεστή K και τη μέθοδο με δυναμικό συντελεστή K— πάνω σε ιστορικά δεδομένα αγώνων τένις. Η προγνωστική ικανότητα των μεθόδων αυτών αξιολογείται μέσω ενός λογιστικού μοντέλου παλινδρόμησης. Τα αποτελέσματα δείχνουν ότι η μέθοδος με σταθερό συντελεστή K επιτυγχάνει μεγαλύτερη ακρίβεια πρόβλεψης σε σύγκριση με τη δυναμική μέθοδο, ενώ η ενσωμάτωση βαρύτητας για τα τουρνουά Grand Slam δεν βελτιώνει σημαντικά την απόδοση του μοντέλου. Επιπλέον, η μελέτη εξετάζει γραφήματα που βασίζονται στις βαθμολογίες Elo, όπως οι κατατάξεις των παικτών, η εξέλιξη της καριέρας τους, και οι αποδόσεις τους ανά επιφάνεια, προσφέροντας μια βαθύτερη κατανόηση της δυναμικής των παικτών στο επαγγελματικό τένις. Τα ευρήματα αυτά ενισχύουν τη χρησιμότητα των συστημάτων τύπου Elo στο τένις και προσφέρουν πολύτιμες πληροφορίες σχετικά με τα πλεονεκτήματα και τους περιορισμούς τους ως εργαλείο πρόβλεψης.
Evaluating lineups and predicting the impact of new players
(2025-07-29) Papageorgiou, Theodoros; Παπαγεωργίου, Θεόδωρος; Chasiotis, Vasileios; Chatziantoniou, Damianos; Karlis, Dimitrios
Η παρούσα διπλωματική εργασία δημιουργεί ερευνά την αξιολόγηση των συνθέσεων των ομάδων της EuroLeague και την πρόβλεψη του αντίκτυπου της προσθήκης νέων παικτών, χρησιμοποιώντας play-by-play δεδομένα από το 2016 έως το 2024. Πρώτα, εξήχθησαν όλες οι πεντάδες που έπαιξαν τουλάχιστον 15 λεπτά, με αποτέλεσμα να προκύψουν 2146 συνδυασμοί. Υπολογίστηκαν βασικά στατιστικά στοιχεία των πεντάδων, όπως η αποτελεσματικότητα των σουτ, τα λάθη, οι ασίστ, τα ριμπάουντ, ο ρυθμός και οι αμυντικές μετρήσεις. Οι μετρήσεις της απόδοσης των παικτών σταθεροποιήθηκαν χρησιμοποιώντας μια εμπειρική μέθοδο Bayes shrinkage για την επεξεργασία των περιορισμένων δεδομένων. Στη συνέχεια, εφαρμόστηκε clustering για τον προσδιορισμό των στυλ των σχηματισμών. Χρησιμοποιώντας k-means, προέκυψαν τρεις κύριες ομάδες: η μία επικεντρώθηκε στην ισχυρή άμυνα και τα λάθη, η άλλη στα ριμπάουντ με ασθενέστερη άμυνα και η τρίτη στην γρήγορη και αποτελεσματική επίτευξη πόντων. Τα μοντέλα PAM και Gaussian Mixture επιβεβαίωσαν παρόμοια μοτίβα, αν και ο διαχωρισμός ήταν αρκετά ήπιος. Τέλος, δημιουργήθηκαν προγνωστικά μοντέλα για την εκτίμηση της απόδοσης της σύνθεσης (Net Rating) με βάση τα χαρακτηριστικά των παικτών. Τα μοντέλα περιελάμβαναν OLS, Ridge, Lasso και Random Forest και έδειξαν μεγάλη αλλα παρόμοια ακρίβεια. Χρησιμοποιόντας ένα απο αυτά έγιναν προσομοιώσεις για την ανταλλαγών παικτών με την ενημέρωση των χαρακτηριστικών της αντίστοιχης σύνθεσης. Τα αποτελέσματα δείχνουν ότι, ακόμη και χωρίς δεδομένα παρακολούθησης, οι συνθέσεις της EuroLeague μπορούν να αναλυθούν και να προβλεφθούν αποτελεσματικά, προσφέροντας πρακτικές πληροφορίες για προπονητές και αναλυτές.
Mixture cure models for credit scoring
(2025-04-16) Papageorgiou, Athina; Παπαγεωργίου, Αθηνά; Ntzoufras, Ioannis; Spelta, Alessandro; Karlis, Dimitrios
Η αξιολόγηση πιστοληπτικής ικανότητας αποτελεί ένα κρίσιμο ζήτημα για τις τράπεζες, οι οποίες επιδιώκουν να αναγνωρίζουν δανειολήπτες με καλή πιστοληπτική ικανότητα και να ελαχιστοποιούν τις πιθανές οικονομικές απώλειες που προκαλούνται από τον κίνδυνο αθέτησης. Ωστόσο, η προσοχή έχει μετατοπιστεί από τον απλό καθορισμό της καταλληλόλητας ενός δανειολήπτη για δάνειο, στην εκτίμηση των πιθανοτήτων αθέτησης σε διαφορετικά χρονικά σημεία. Για την αντιμετώπιση αυτής της πρόκλησης, αυτή η διπλωματική εργασία προτείνει τη χρήση της ανάλυσης επιβίωσης, ένα ισχυρό στατιστικό εργαλείο που χρησιμοποιείται πρωτίστως στη βιοστατιστική για τη μοντελοποίηση του χρόνου μέχρι την εμφάνιση ενός γεγονότος. Σε αυτό το πλαίσιο, η ανάλυση επιβίωσης εφαρμόζεται για τη μοντελοποίηση του χρόνου μέχρι την αθέτηση ενός δανειολήπτη. Είναι σημαντικό να σημειωθεί ότι υπάρχει ένας υποπληθυσμός δανειοληπτών που δεν θα αθετήσουν ποτέ, γνωστός και ως «θεραπευμένος» (cured). Για να ληφθεί υπόψη αυτή η περίπτωση, χρησιμοποιούνται μοντέλα μικτής θεραπείας (mixture cure models), τα οποία συνδυάζουν ένα μέρος για την εκτίμηση του ποσοστού θεραπείας (cure rate) και ένα μέρος επιβίωσης για τη μοντελοποίηση του χρόνου μέχρι το γεγονός για τους ευπαθείς δανειολήπτες. Σε αυτή τη μελέτη, προτείνουμε δύο μοντέλα: ένα κλασικό μοντέλο Weibull και ένα μικτό μοντέλο θεραπείας. Το μικτό μοντέλο θεραπείας αποτελείται από ένα μέρος λογιστικής παλινδρόμησης για το ποσοστό θεραπείας και ένα στοιχείο με Weibull κατανομή για τις πιθανότητες επιβίωσης των ευπαθών δανειοληπτών. Και τα δύο μοντέλα εφαρμόζονται σε ένα σύνολο δεδομένων στεγαστικών δανείων με διαφορετικά χαρακτηριστικά. Τα μοντέλα αξιολογούνται ως προς της προσαρμοστικότητας στα δεδομένα χρησιμοποιώντας τον εκτιμητή Kaplan-Meier και γραφήματα καταλοίπων. Επιπλέον, η προβλεπτική τους ικανότητα αξιολογείται με τη χρήση διχοτόμησης των δεδομένων σε training και test datasets. Τα αποτελέσματα δείχνουν ότι το μικτό μοντέλο θεραπείας όχι μόνο έχει καλύτερη προσαρμογή στα δεδομένα, αλλά παρέχει και πιο ακριβείς προβλέψεις σε σύγκριση με το κλασικό μοντέλο Weibull.
Modelling expected goals in football
(2025-07-16) Αργυρόπουλος, Δημοσθένης; Argyropoulos, Dimosthenis; Ntzoufras, Ioannis; Chatziantoniou, Damianos; Karlis, Dimitrios
Αυτή η μελέτη διερευνά πώς μπορούν να χρησιμοποιηθούν στατιστικά μοντέλα για την εκτίμηση της πιθανότητας να σημειωθεί ένα γκολ στο ποδόσφαιρο, χρησιμοποιώντας την έννοια των Αναμενόμενων Γκολ (xG). Βασισμένο σε δεδομένα από τη σεζόν 2015–2016 της Premier League (παρεχόμενα από τη StatsBomb), το έργο εξετάζει βασικούς παράγοντες όπως η απόσταση και η γωνία του σουτ, η θέση του παίκτη και η αμυντική πίεση. Μετά τον καθαρισμό των δεδομένων και την Εξερευνητική Ανάλυση Δεδομένων (EDA), αναπτύχθηκαν τέσσερα διαφορετικά μοντέλα λογιστικής παλινδρόμησης, συμπεριλαμβανομένου ενός πλήρους μοντέλου, δύο μοντέλων με χρήση των κριτηρίων AIC και BIC, καθώς και ενός μοντέλου με κανονικοποίηση LASSO, για την πρόβλεψη του αν ένα σουτ θα καταλήξει σε γκολ ή όχι. Κάθε μοντέλο αξιολογήθηκε με μετρικές όπως η ακρίβεια, η ακρίβεια θετικών προβλέψεων (precision), η ανάκληση, το F1-score και η ROC-AUC.Τα αποτελέσματα επιβεβαιώνουν ότι η στατιστική μοντελοποίηση μπορεί να εκτιμήσει με επιτυχία την πιθανότητα σκοραρίσματος βάσει μεταβλητών εντός αγώνα. Για την επαλήθευση της απόδοσης των αναπτυγμένων μοντέλων, οι προβλέψεις τους συγκρίθηκαν με τις επίσημες τιμές xG που παρείχε η StatsBomb, αναδεικνύοντας τόσο ομοιότητες όσο και διαφορές στις εκτιμήσεις, όπου παρατηρούμε ότι και τα τέσσερα μοντέλα παρουσιάζουν ισχυρή προβλεπτική ικανότητα σε σύγκριση με αυτήν τη στήλη. Αυτά τα ευρήματα είναι χρήσιμα για προπονητές ποδοσφαίρου, αναλυτές απόδοσης και επαγγελματίες του στοιχήματος που βασίζονται σε αποφάσεις καθοδηγούμενες από δεδομένα. Συνολικά, το έργο αναδεικνύει τον αυξανόμενο ρόλο της ανάλυσης δεδομένων στο ποδόσφαιρο και δείχνει πώς η μοντελοποίηση xG μπορεί να υποστηρίξει τόσο την ανάπτυξη στρατηγικής όσο και την αξιολόγηση απόδοσης.
Survival analysis in credit data
(2025-04-02) Τεριζάκη, Βασιλική; Terizaki, Vasiliki; Vrontos, Ioannis; Karlis, Dimitrios
Η παρούσα μελέτη διερευνά την εφαρμογή της ανάλυσης επιβίωσης για την πρόβλεψη της πιθανότητας και του χρόνου αθέτησης των δανείων, προσφέροντας μια χρονικά ευαίσθητη προοπτική του πιστωτικού κινδύνου. Χρησιμοποιώντας ένα σύνολο δεδομένων που περιέχει στοιχεία του δανειολήπτη και δεδομένα απόδοσης του δανείου, η έρευνα εξετάζει τον αντίκτυπο παραγόντων όπως το πιστωτικό σκορ, ο σκοπός του δανείου, η κατάσταση κατοχής και το ιστορικό αποπληρωμής στον κίνδυνο αθέτησης. Η μεθοδολογία ενσωματώνει τη λογοκρισία για να ληφθούν υπόψη τα δάνεια που εξακολουθούν να είναι ενεργά ή δεν έχουν αθετήσει τις υποχρεώσεις τους. Οι τεχνικές ανάλυσης επιβίωσης, συμπεριλαμβανομένης της εκτίμησης Kaplan-Meier, της μοντελοποίησης αναλογικών κινδύνων Cox και παραμετρικών μοντέλων όπως Weibull, Log-Logistic, Log-Normal και Exponential, χρησιμοποιούνται για την αξιολόγηση του κινδύνου με την πάροδο του χρόνου. Τα αποτελέσματα αναδεικνύουν την αξία των μοντέλων επιβίωσης για τη βελτίωση της ακρίβειας πρόβλεψης της αθέτησης και την υποστήριξη πιο τεκμηριωμένων, βασισμένων σε δεδομένα αποφάσεων δανεισμού στον χρηματοπιστωτικό τομέα.