Page 39 - 《上海体育大学学报》2024年第4期

2024 年 4 月 第 48 卷 第 4 期 专题探索

［ 8 ］ ZHU P， SUN F. Sports athletes' performance prediction
作者贡献声明： model based on machine learning algorithm[C]//
石慧敏：提出论文选题，搜集统计数据，撰写论文； ABAWAJY J， CHOO KK， ISLAM R， et al. International
章东迎：调研文献，撰写、修改论文； Conference on Applications and Techniques in Cyber
章永辉：修改、指导修改论文。 Security and Intelligence. Cham：Springer，2020：498-505
［ 9 ］ OYTUN M， TINAZCI C， SEKEROGLU B， et al.
Performance prediction and evaluation in female handball
players using machine learning models[J]. IEEE Access，
2020，8：116321-116335
［10］ HOOG ANTINK C， BRACZYNSKI A K， GANSE B.
Learning from machine learning： Prediction of age-related
参考文献
athletic performance decline trajectories[J]. GeroScience，
2021，43（5）：2547-2559
［ 1 ］ BERNARD A B， BUSSE M R. Who wins the Olympic ［11］ NAGLAH A，KHALIFA F，MAHMOUD A，et al. Athlete-
Games： Economic resources and medal totals[J]. Review customized injury prediction using training load statistical
of Economics and Statistics，2004，86（1）：413-417 records and machine learning[C]//2018 IEEE International
［ 2 ］ SCHLEMBACH C，SCHMIDT S L，SCHREYER D，et al. Symposium on Signal Processing and Information
Forecasting the Olympic medal distribution：A socioecono- Technology （ISSPIT）. Louisville，KY，USA. IEEE，2018：
mic machine learning model[J]. Technological Forecasting 459-464
and Social Change，2022，175：121314 ［12］ BREIMAN L. Random forests[J]. Machine Learning，
［ 3 ］ LUNDBERG S M， ERION G G， LEE S I. Consistent 2001，45：5-32
individualized feature attribution for tree ensembles ［13］ ATHEY S， TIBSHIRANI J， WAGER S. Generalized
[EB/OL]. [2022-08-30]. http://arxiv.org/abs/1802.03888. random forests[J]. The Annals of Statistics， 2019， 47（2）：
pdf 1148-1178
［ 4 ］ LUNDBERG S M， LEE S I. A unified approach to ［14］ WAGER S， ATHEY S. Estimation and inference of
interpreting model predictions[C]//Proceedings of the 31st heterogeneous treatment effects using random forests[J].
International Conference on Neural Information Processing Journal of the American Statistical Association， 2018，
Systems. December 4-9， 2017， Long Beach， California， 113（523）：1228-1242
USA. ACM，2017：4768–4777 ［15］ 李斌，邵新月，李玥阳. 机器学习驱动的基本面量化投资
［ 5 ］ 叶春明，赵圣文，杨秀红，等. 基于机器学习的青少年运动 研究[J]. 中国工业经济，2019（8）：61-79
员新冠肺炎疫情应对能力分析与预测[J]. 体育学刊， ［16］ 陈小亮，刘玲君，肖争艳，等. 生产部门通缩与全局性通缩
2020，27（3）：68-73 影响因素的差异性研究：机器学习方法的新视角[J]. 中
［ 6 ］ 黄元琦，李玉榕，归予恒. 机器学习：运动损伤预防的新途 国工业经济，2021（7）：26-44
径[J]. 福建体育科技，2021，40（1）：12-18 ［17］ MOLNAR C， GRUBER S， KOPPER P. Limitations of
［ 7 ］ 高素霞. 混沌理论和机器学习算法的运动员成绩预测模 interpretable machine learning methods[EB/OL]. [2022-
型[J]. 现代电子技术，2018，41（7）：152-155 08-30]. https://slds-lmu.github.io/iml_methods_limitations

35