Regularization in Paired Comparison Models via Pseudo-Games and Phantom Players

Dieses Paper führt zwei Datenaugmentationsstrategien ein – fraktionale Pseudo-Spiele und Phantomspieler –, um eine intuitive, interpretierbare Regularisierung für Paarvergleichsmodelle bereitzustellen, welche die Schätzungen effektiv stabilisiert und Identifizierbarkeitsprobleme löst, während sie die Ergebnisse der Standard-Ridge-Regularisierung eng repliziert.

Das Wesentliche

Stellen Sie sich vor, Sie versuchen, eine Gruppe von Freunden danach zu ranken, wer am besten in einem Videospiel ist. Sie haben eine Liste darüber, wer gegen wen gewonnen hat.

In einer perfekten Welt würde jeder jeden eine gleiche Anzahl von Malen spielen. Aber in der Realität spielen manche viel, manche wenig, und manchmal gewinnt ein wirklich guter Spieler gegen einen bestimmten Gegner in der kleinen Stichprobe der Spiele, die Sie beobachtet haben, nie.

Das Problem: Die „perfekte" Score-Falle
Wenn Spieler A den Spieler B fünfmal hintereinander besiegt, kommt eine Standard-Computerberechnung (genannt „Maximum Likelihood") zu dem Schluss, dass Spieler A unendlich viel besser ist als Spieler B. Sie berechnet, dass Spieler A eine 100%ige Chance hat, für immer zu gewinnen.

• Das Problem: Dies ist für diese fünf Spiele mathematisch „korrekt", aber es ist eine schreckliche Vorhersage für die Zukunft. Wir wissen, dass Spieler B beim nächsten Mal gewinnen könnte. Die Mathematik bricht zusammen, weil sie eine kleine Stichprobe als absolute Wahrheit behandelt und zu „unendlichen" Werten führt, die keinen Sinn ergeben.

Die Lösung: „Geisterspiele" hinzufügen
Der Autor, Mark Glickman, schlägt einen cleveren Trick vor, um dies zu beheben, ohne komplizierte mathematische Strafen zu verwenden, die schwer zu erklären sind. Anstatt die Formel zu ändern, schlägt er vor, falsche Daten in die Mischung einzufügen. Er nennt dies „Regularisierung durch Pseudo-Beobachtungen".

Denken Sie an Folgendes: Bevor Sie sich überhaupt die echten Spielergebnisse ansehen, sagen Sie dem Computer: „Lass uns so tun, als hätten alle Spieler ein paar zusätzliche Spiele gegen einen ‚Geister-Gegner' oder gegen sich selbst auf eine sehr ausgewogene Weise gespielt."

Der Artikel schlägt zwei spezifische Wege vor, dies zu tun:

1. Die Methode der „fraktionierten Unentschieden" (Pseudo-Spiele)

Stellen Sie sich vor, dass vor der eigentlichen Saison jedes Paar von Spielern ein winziges, unsichtbares Spiel bestritten hat, das mit einem Unentschieden endete.

• Wie es funktioniert: Sie fügen jedem Matchup in Ihren Daten ein winziges bisschen „Gutschrift" für einen Sieg und ein winziges bisschen „Gutschrift" für eine Niederlage hinzu.
• Die Metapher: Es ist, als würde man dem Computer sagen: „Auch wenn Spieler A Spieler B fünfmal besiegt hat, lasst uns so tun, als hätten sie auch einige Spiele bestritten, bei denen sie sich die Differenz geteilt haben."
• Das Ergebnis: Dies verhindert, dass der Computer sagt: „Spieler A ist unendlich viel besser." Es rückt die Werte näher zusammen und macht die Vorhersage realistischer. Es ist wie das Hinzufügen eines kleinen Maßes an „Zweifel" an die Daten, um die Extreme zu glätten.

2. Die „Geisterspieler"-Methode (Phantom-Spieler)

Stellen Sie sich vor, es gibt einen mysteriösen, unsichtbaren Spieler in der Liga (nennen wir ihn „Mr. Zero"), der genau durchschnittlich ist. Er wird niemals müde, hat nie Glück und sein Skill-Level ist fest auf Null eingestellt.

• Wie es funktioniert: Sie tun so, als hätte jeder echte Spieler eine ganze Menge Spiele gegen Mr. Zero bestritten. Sie sagen dem Computer, dass jeder Spieler die Hälfte der Zeit gegen Mr. Zero gewonnen und die andere Hälfte verloren hat.
• Die Metapher: Es ist wie das Verankern eines Bootes. Wenn das Boot (der Score des Spielers) versucht, zu weit abzutreiben (zu hoch oder zu niedrig zu werden), zieht der Anker (Mr. Zero) es zurück in die Mitte.
• Das Ergebnis: Dies hält die Scores aller Spieler geerdet. Selbst wenn ein Spieler 10 Spiele in Folge gegen schwache Gegner gewinnt, sorgt die Tatsache, dass er die Hälfte seiner Spiele gegen den durchschnittlichen Geisterspieler „verloren" hat, dafür, dass sein Score nicht ins Unendliche schießt.

Warum das cool ist

Der Artikel zeigt, dass diese beiden „falsche Daten"-Tricks genau dieselbe Aufgabe erfüllen wie eine sehr populäre, komplexe mathematische Technik namens „Ridge-Regularisierung" (die normalerweise eine gruselige Formel für Bestrafungen beinhaltet).

• Der Vorteil: Anstatt zu sagen: „Wir haben eine Strafe von 0,5 auf die Mathematik angewendet", können Sie sagen: „Wir haben 40 gefälschte Spiele gegen einen durchschnittlichen Gegner hinzugefügt."
• Die Übersetzung: Dies macht die Mathematik für normale Menschen (wie Sportanalysten oder Manager) viel einfacher zu verstehen. Sie können das System anpassen, indem sie einfache Fragen stellen: „Wie viele gefälschte Spiele sollten wir hinzufügen?" oder „Wie sehr sollten wir dem Durchschnittsspieler vertrauen?"

Das Baseball-Beispiel

Der Autor testete dies an der MLB-Saison 2025.

• Ohne die Korrektur: Da der Spielplan unausgewogen war, schätzte der Computer die Fähigkeiten der besten und schlechtesten Teams als übermäßig optimistisch und übertrieben ein. Die Lücken zwischen den Teams wirkten viel extremer, als sie in Wirklichkeit waren, obwohl die Werte nicht unendlich waren (da jedes Team sowohl Siege als auch Niederlagen hatte).
• Mit der Korrektur: Der Computer gab den Teams realistischere Scores. Er wusste immer noch, welche Teams gut und welche schlecht waren, aber er übertrieb den Abstand nicht. Die „Geisterspieler"-Methode funktionierte so gut, dass sie Ergebnisse lieferte, die der komplexen „Ridge"-Mathematik fast identisch waren, aber viel einfacher zu erklären waren.

Zusammenfassung

Der Artikel argumentiert, dass man, wenn man Dinge basierend auf Siegen und Niederlagen rankt, diesen Wahnsinn von unendlichen Scores vermeiden kann, indem man so tut, als hätte jeder ein paar zusätzliche, ausgewogene Spiele bestritten.

• Methode A: Tu so, als hätte jeder ein winziges Unentschieden gegen jeden anderen bestritten.
• Methode B: Tu so, als hätte jeder eine Menge Spiele gegen einen „durchschnittlichen" Geist bestritten.

Beide Methoden halten die Mathematik einfach, die Vorhersagen realistisch und die Ergebnisse leicht erklärbar für jeden, der nur wissen möchte, wer tatsächlich der Beste ist.

Technische Zusammenfassung

Technische Zusammenfassung: Regularisierung in Paarvergleichsmodellen mittels Pseudo-Spielen und Phantom-Spielern

Problemstellung
Paarvergleichsmodelle, wie etwa die Bradley-Terry- und die Thurstone-Mosteller-Modelle, sind Standardwerkzeuge zur Schätzung latenter Fähigkeiten oder Präferenzen aus binären Ergebnissen. Das gewöhnliche Maximum-Likelihood-Verfahren (MLE) stößt bei diesen Modellen jedoch auf erhebliche Instabilitäten, wenn der Vergleichsgraph diskonnektiert oder nahezu getrennt ist. Solche Fälle sind häufig in Sportarten mit unvollständigen Spielplänen, in spärlichen Präferenzstudien oder in Online-Ranking-Systemen mit neuen Teilnehmern anzutreffen; hier kann die Likelihood nur am Rand maximiert werden, was zu unendlichen Fähigkeitsschätzungen (z. B. $+\infty$ und $-\infty$) führt. Während Ridge-Regularisierung dies durch eine Schrumpfung der Parameter gegen ein gemeinsames Zentrum adressiert, verschleiert sie die intuitive Likelihood-Interpretation, die diese Modelle für Praktiker so attraktiv macht. Zudem erfordern Ridge-Penalties explizite lineare Nebenbedingungen, um die Lage-Nichtidentifizierbarkeit aufzulösen.

Methodik
Das Paper schlägt zwei datenaugmentierte Perspektiven auf die Regularisierung vor, welche die vertraute Likelihood-Form bewahren und dennoch endliche, geschrumpfte Schätzwerte liefern. Beide Methoden lassen sich über Standard-Software für binomiale Regressionen (z. B. glm in R) implementieren.

1. Pseudo-Game-Regularisierung:
   Dieser Ansatz fügt den beobachteten Daten fraktionale „Pseudo-Spiele“ hinzu. Für jedes ungeordnete Paar von Wettbewerbern $(i, j)$ fügt die Methode sowohl den Spielern $\delta$ fraktionale Siege als auch $\delta$ fraktionale Niederlagen hinzu.

• Mechanismus: Die augmentierte Log-Likelihood enthält einen Strafterm, der proportional zu $\sum \log\{p_{ij}(1-p_{ij})\}$ ist. Dieser wird maximiert, wenn $p_{ij} = 1/2$ (gleiche Fähigkeiten), wodurch die Fähigkeitsunterschiede gegen Null geschrumpft werden.
• Eigenschaften: Er wirkt auf die paarweisen Fähigkeitsunterschiede. Er löst die Lage-Nichtidentifizierbarkeit nicht; eine lineare Nebenbedingung (z. B. $\sum \theta_j = 0$) bleibt weiterhin notwendig.
• Verbindung zu Ridge: Unter Verwendung des Bradley-Terry-Logit-Links zeigt eine Taylor-Entwicklung nahe Null, dass dieser Penalty lokal wie ein Ridge-Penalty mit dem Koeffizienten $\lambda \approx \delta J / 4$ agiert.

2. Phantom-Player-Regularisierung:
   Dieser Ansatz führt einen künstlichen „Phantom-Wettbewerber“ (indiziert als 0) mit einer festen, bekannten Stärke $\theta_0 = 0$ ein. Jedem realen Wettbewerber wird ein gewichteter Pseudo-Sieg und ein gewichteter Pseudo-Verlust gegen diesen Phantom-Spieler mit dem Gewicht $\rho$ zugewiesen.

• Mechanismus: Die augmentierte Log-Likelihood addiert den Term $\rho \sum [\log F(\theta_j) + \log\{1 - F(\theta_j)\}]$. Dieser wird bei $\theta_j = 0$ maximiert, wodurch die individuellen Fähigkeiten in Richtung der festen Stärke des Phantom-Spielers geschrumpft werden.
• Eigenschaften: Er wirkt direkt auf die individuellen Parameter $\theta_j$ statt nur auf deren Differenzen. Entscheidend ist, dass die Phantom-Player-Konstruktion die Lage-Nichtidentifizierbarkeit auflöst, ohne dass eine explizite Summe-zu-Null-Nebenbedingung erforderlich ist, da der Phantom-Spieler die Skala verankert.
• Verbindung zu Ridge: Für das Bradley-Terry-Modell ist dies lokal äquivalent zu einer Ridge-Regularisierung mit $\lambda \approx \rho / 4$. Im Gegensatz zum quadratischen Ridge-Penalty weisen die Tails des Phantom-Player-Penalties jedoch annähernd lineare Verläufe für große $|\theta_j|$ auf.

Tuning und Inferenz
Die Tuning-Parameter $\delta$ und $\rho$ können mittels Experten-Elicitation oder Kreuzvalidierung ausgewählt werden.

• Elicitation: $\delta$ kann kalibriert werden, indem man fragt, welche Wahrscheinlichkeit $q$ ein Analyst einem zukünftigen Sieg zuweist, gegeben einen einzelnen beobachteten Sieg (ohne Niederlagen); $\delta = (1-q)/(2q-1)$. $\rho$ wird als Anzahl der gewichteten Pseudo-Siege/Niederlagen gegen einen Referenzgegner interpretiert.
• Kreuzvalidierung: Die $K$-Fold-Kreuzvalidierung maximiert die gehaltene Log-Likelihood. Das Paper merkt an, dass die Standardfehler des finalen Fits als bedingt auf den gewählten Tuning-Parameter zu behandeln sind; für eine korrekte Quantifizierung der Unsicherheit wird das Bootstrapping des gesamten Verfahrens empfohlen.
• Bayesianische Interpretation: Das Paper stellt fest, dass die Phantom-Player-Regularisierung einem Maximum-A-Posteriori (MAP)-Schätzer unter unabhängigen Shrinkage-Priors entspricht, deren Dichten proportional zu $[F(\theta_j)(1-F(\theta_j))]^\rho$ sind.

Ergebnisse: Anwendung auf die MLB 2025
Die Methoden wurden auf die reguläre Saison der MLB 2025 (30 Teams, 2.430 Spiele) angewendet. Obwohl der Datengraph konnektiert war (was ein gewöhnliches MLE ermöglicht), war der Spielplan unausgewogen, was zu potenziell extremen Schätzwerten führte.

• Vergleich: Die Autoren verglichen das gewöhnliche Bradley-Terry-, das Ridge-regularisierte, das Pseudo-Game- sowie das Phantom-Player-Modell.
• Befunde:
  • Die gewöhnlichen Schätzwerte zeigten die größte Streuung (z. B. Colorado Rockies bei $-0,979$).
  • Die regularisierten Methoden schrumpften diese Extreme erheblich (z. B. die Schätzwerte der Rockies lagen zwischen $-0,580$ und $-0,643$).
  • Die Phantom-Player-Schätzungen lagen besonders nah an den Ridge-regularisierten Schätzungen und reduzierten die Spread von oben nach unten um etwa ein Drittel bis zwei Fünftel.
  • Die Phantom-Player-Methode reproduzierte erfolgreich die Ridge-regularisierten Stärke-Schätzwerte, behielt dabei aber eine intuitive, augmentierte Datenrepräsentation bei.

Wesentliche Beiträge und Bedeutung
Der primäre Beitrag des Papers besteht darin, zu zeigen, dass einfache, datenaugmentierte Konstruktionen (Pseudo-Spiele und Phantom-Spieler) interpretierbare Regularisierungs-Penalties für Paarvergleichsmodelle liefern.

• Interpretierbarkeit: Im Gegensatz zu abstrakten Ridge-Penalties ermöglichen diese Methoden den Praktikern, die Regularisierung in Begriffen von „fraktionalen Spielen“ oder „Vergleichen gegen einen Referenzgegner“ zu diskutieren.
• Implementierung: Die Methoden nutzen Standard-Software für generalisierte lineare Modelle (GLM), was sie für angewandte Analysten ohne benutzerdefinierten Optimierungscode zugänglich macht.
• Identifizierbarkeit: Die Phantom-Player-Konstruktion bietet den deutlichen Vorteil, die Lage-Nichtidentifizierbarkeit natürlich aufzulösen, wodurch die Notwendigkeit expliziter linearer Nebenbedingungen entfällt.
• Brücke: Die Arbeit schlägt eine Brücke zwischen penalisierten Optimierungsverfahren und Likelihood-basierten Modellen, indem sie Regularisierung als Hinzufügen von sorgfältig kontrollierten, interpretierbaren Informationen statt als bloßen mathematischen Penalty rahmt.

Das Paper kommt zu dem Schluss, dass diese Methoden zwar Limitationen haben (z. B. potenzielle Instabilität der Kreuzvalidierung bei sehr spärlichen Daten), aber robuste, intuitive Alternativen zur Standard-Ridge-Regularisierung bieten, insbesondere wenn die Struktur des Vergleichsgraphen auf spezifische Arten von Instabilität hindeutet.