MLB_Player Value 12/30 update
(mlb_salary_z_1230)
1. MLB Player Salary Evaluation with Machine Learning Models
內容概要:
探討基於多種機器學習模型（如線性回歸、隨機森林、XGBoost等）的MLB球員薪資評估方法。
比較不同模型的預測準確性，包括MSE、RMSE、MAE和R²等指標。
強調薪資決策中的數據驅動方法的應用，尤其是對未來合同談判的影響。
適合期刊: 體育經濟學、機器學習或數據科學相關期刊。
2. Analyzing Salary Determinants for MLB Batters and Pitchers
內容概要:
對打者和投手的薪資進行分別建模，揭示其影響因素的差異。
使用對數轉換的目標變數來提高模型穩定性和準確性。
比較九個模型的表現，深入分析打者和投手在薪資評估中需要考慮的不同關鍵因素。
適合期刊: 體育管理、勞動經濟學或統計建模相關期刊。
3. The Impact of Advanced Metrics on MLB Salary Predictions
內容概要:
探討進階棒球數據（如xwOBA、xSLG、WAR等）在薪資模型中的解釋力。
評估這些進階數據對不同模型（如ElasticNet、GAM）的影響，突出進階統計指標的重要性。
提供對球隊管理層的實際建議，例如如何使用數據來最大化薪資投資回報。
適合期刊: 體育分析、數據驅動管理或人工智慧應用相關期刊。