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

तकनीकी सारांश: सूडो-गेम्स (Pseudo-Games) और फैंटम प्लेयर्स (Phantom Players) के माध्यम से युग्मित तुलना मॉडलों (Paired Comparison Models) में नियमितीकरण (Regularization)

समस्या विवरण
ब्रेडली-टेरी (Bradley-Terry) और थर्स्टोन-मोस्टेलर (Thurstone-Mosteller) जैसे युग्मित तुलना मॉडल, बाइनरी परिणामों से गुप्त क्षमताओं या प्राथमिकताओं का अनुमान लगाने के लिए मानक उपकरण हैं। हालांकि, इन मॉडलों में साधारण अधिकतम संभावना अनुमान (Maximum Likelihood Estimation - MLE) तब महत्वपूर्ण अस्थिरता का सामना करता है जब तुलना ग्राफ विच्छेदित (disconnected) या लगभग पृथक (separated) हो। ऐसे मामले—जो अधूरे शेड्यूल वाले खेलों, विरल प्राथमिकता अध्ययनों, या नए प्रवेशकों वाले ऑनलाइन रैंकिंग सिस्टम में सामान्य हैं—में, संभावना (likelihood) को केवल सीमा (boundary) पर ही अधिकतम किया जा सकता है, जिससे अनंत क्षमता अनुमान (जैसे, $+\infty$ और $-\infty$) प्राप्त होते हैं। जबकि रिज रेगुलराइजेशन (Ridge Regularization) उन्हें एक सामान्य केंद्र की ओर सिकोड़कर इस समस्या का समाधान करता है, यह उस सहज संभावना व्याख्या (likelihood interpretation) को धुंधला कर देता है जो इन मॉडलों को अभ्यासकर्ताओं के लिए आकर्षक बनाता है। इसके अलावा, रिज पेनल्टी को स्थान गैर-पहचान क्षमता (location nonidentifiability) को हल करने के लिए स्पष्ट रैखिक बाधाओं (linear constraints) की आवश्यकता होती है।

कार्यप्रणाली
यह शोध पत्र नियमितीकरण के दो डेटा-संवर्धन (data-augmentation) दृष्टिकोणों का प्रस्ताव करता है जो परिचित संभावना रूप को बनाए रखते हुए परिमित (finite), संकुचित अनुमान प्रदान करते हैं। दोनों विधियों को मानक द्विपद प्रतिगमन (binomial regression) सॉफ्टवेयर (जैसे, R में glm) के माध्यम through लागू किया जा सकता है।

1. सूडो-गेम (Pseudo-Game) नियमितीकरण:
   यह दृष्टिकोण देखे गए डेटा में भिन्नात्मक "सूडो-गेम्स" जोड़ता है। प्रत्येक अनियंत्रित प्रतिस्पर्धी जोड़ी $(i, j)$ के लिए, यह विधि दोनों खिलाड़ियों को $\delta$ भिन्नात्मक जीत और $\delta$ भिन्नात्मक हार जोड़ती है।

• तंत्र: संवर्धित लॉग-लाइक्लीहुड में एक दंड पद (penalty term) शामिल है जो $\sum \log\{p_{ij}(1-p_{ij})\}$ के समानुपाती है। यह पद तब अधिकतम होता है जब $p_{ij} = 1/2$ (समान क्षमताएं), जिससे क्षमता अंतर शून्य की ओर सिकुड़ जाता है।
• विशेषताएं: यह युग्मित क्षमता अंतरों पर कार्य करता है। यह स्थान गैर-पहचान क्षमता (location nonidentifiability) को हल नहीं करता है; एक रैखिक बाधा (जैसे, $\sum \theta_j = 0$) अभी भी आवश्यक है।
• रिज से संबंध: ब्रेडली-टेरी लॉजिट लिंक के तहत, शून्य के पास एक टेलर विस्तार (Taylor expansion) से पता चलता है कि यह दंड स्थानीय रूप से $\lambda \approx \delta J / 4$ के साथ एक रिज पेनल्टी की तरह व्यवहार करता है।

2. फैंटम-प्लेयर (Phantom-Player) नियमितीकरण:
   यह एक कृत्रिम "फैंटम" प्रतिस्पर्धी (इंडेक्स 0) पेश करता है जिसकी ज्ञात क्षमता $\theta_0 = 0$ है। प्रत्येक वास्तविक प्रतिस्पर्धी को इस फैंटम प्लेयर के विरुद्ध एक भारित सूडो-जीत और एक भारित सूडो-हार आवंटित किया जाता है, जिसका भार $\rho$ है।

• तंत्र: संवर्धित लॉग-लाइक्लीहुड में $\rho \sum [\log F(\theta_j) + \log\{1 - F(\theta_j)\}]$ पद जोड़ा जाता है। यह दंड $\theta_j = 0$ पर अधिकतम होता है, जिससे व्यक्तिगत क्षमताएं फैंटम प्लेयर की निश्चित शक्ति की ओर सिकुड़ जाती हैं।
• विशेषताएं: यह केवल अंतरों के बजाय सीधे व्यक्तिगत मापदंडों $\theta_j$ पर कार्य करता है। महत्वपूर्ण रूप से, यह बिना किसी स्पष्ट योग-से-शून्य (sum-to-zero) बाधा के, स्थान गैर-पहचान क्षमता को हल करता है, क्योंकि फैंटम प्लेयर पैमाने को स्थिर (anchor) करता है।
• रिज से संबंध: ब्रेडली-टेरी मॉडल के लिए, यह $\lambda \approx \rho / 4$ के साथ रिज रेगुलराइजेशन के स्थानीय रूप से समतुल्य है। हालांकि, द्विघाती (quadratic) रिज पेनल्टी के विपरीत, फैंटम-प्लेयर पेनल्टी के बड़े $|\theta_j|$ के लिए लगभग रैखिक पूंछ (tails) होती है।

ट्यूनिंग और अनुमान
ट्यूनिंग मापदंडों $\delta$ और $\rho$ को विशेषज्ञ उद्दीपन (expert elicitation) या क्रॉस-वैलिडेशन के माध्यम से चुना जा सकता है।

• उद्दीपन (Elicitation): $\delta$ को इस बात से कैलिब्रेट किया जा सकता है कि एक विश्लेषक भविष्य की जीत की संभावना $q$ क्या मानता है यदि केवल एक देखी गई जीत हो (कोई हार नहीं); $\delta = (1-q)/(2q-1)$। $\rho$ को एक संदर्भ प्रतिद्वंद्वी के विरुद्ध भारित सूडो-जीत/हार की संख्या के रूप में समझा जा सकता है।
• क्रॉस-वैलिडेशन: $K$-फोल्ड क्रॉस-वैलिडेशन रखे गए (held-out) लॉग-लाइक्लीहुड को अधिकतम करता है। शोध पत्र नोट करता है कि अंतिम फिट से मानक त्रुटियों (standard errors) को चयनित ट्यूनिंग पैरामीटर के सापेक्ष सशर्त माना जाना चाहिए; उचित अनिश्चितता मात्रा निर्धारण के लिए पूरे प्रक्रिया का बूटस्ट्रैपिंग (bootstrapping) करने की सिफारिश की जाती है।
• बायेसियन व्याख्या: शोध पत्र नोट करता है कि फैंटम-प्लेयर नियमितीकरण स्वतंत्र संकुचन प्रायर्स (shrinkage priors) के तहत एक मैक्सिमम एपोस्टेरिओरी (MAP) एस्टिमेटर के अनुरूप है जिनकी डेंसिटीज़ $[F(\theta_j)(1-F(\theta_j))]^\rho$ के समानुपाती हैं।

परिणाम: 2025 मेजर लीग बेसबॉल अनुप्रयोग
इन विधियों को 2025 MLB नियमित सीजन (30 टीमें, 2,430 गेम) पर लागू किया गया था। हालांकि डेटा ग्राफ जुड़ा हुआ (connected) था (जिससे साधारण MLE संभव था), शेड्यूल असंतुलित था, जिससे चरम अनुमान (extreme estimates) की संभावना बनी रही।

• तुलना: लेखकों ने साधारण ब्रेडली-टेरी, रिज-पेनलाइज्ड, सूडो-गेम और फैंटम-प्लेयर मॉडलों की तुलना की।
• निष्कर्ष:
  • साधारण अनुमानों ने सबसे व्यापक प्रसार दिखाया (जैसे, कोलोराडो रॉकीज़ $-0.979$ पर)।
  • नियमितकृत विधियों ने इन चरम सीमाओं को काफी हद से कम कर दिया (जैसे, रॉकीज़ के अनुमान $-0.580$से$-0.643$ के बीच रहे)।
  • फैंटम-प्लेयर अनुमान विशेष रूप से रिज अनुमानों के करीब थे, जिसमें शीर्ष-से-नीचे के प्रसार में लगभग एक-तिहाई से दो-पांचवां तक की कमी देखी गई।
  • फैंटम-प्लेयर विधि ने रिज-रेगुलराइज्ड स्ट्रेंथ अनुमानों को सफलतापूर्वक पुनरुत्पादित किया, जबकि एक सहज संवर्धित-डेटा प्रतिनिधित्व को बनाए रखा।

प्रमुख योगदान और महत्व
इस शोध पत्र का प्राथमिक योगदान यह प्रदर्शित करना है कि सरल संवर्धित-डेटा निर्माण (सूडो-गेम्स और फैंटम प्लेयर्स) युग्मित तुलना मॉडलों के लिए व्याख्या योग्य नियमितीकरण दंड प्रदान करते हैं।

• व्याख्यात्मकता (Interpretability): अमूर्त रिज पेनल्टी के विपरीत, ये विधियाँ विशेषज्ञों को "भिन्नात्मक खेलों" या "एक संदर्भ प्रतिद्वंद्वी के विरुद्ध तुलनाओं" के संदर्भ में नियमितीकरण पर चर्चा करने की अनुमति देती हैं।
• कार्यान्वयन: ये विधियाँ मानक सामान्यीकृत रैखिक मॉडल (GLM) सॉफ्टवेयर का लाभ उठाती हैं, जिससे वे बिना किसी कस्टम अनुकूलन कोड के व्यावहारिक विश्लेषकों के लिए सुलभ हो जाती हैं।
• पहचान क्षमता (Identifiability): फैंटम-प्लेयर निर्माण एक विशिष्ट लाभ प्रदान करता है क्योंकि यह स्वाभाविक रूप से स्थान गैर-पहचान क्षमता को हल करता है, जिससे स्पष्ट रैखिक बाधाओं की आवश्यकता समाप्त हो जाती है।
• सेतु (Bridge): यह कार्य दंडित अनुकूलन (penalized optimization) और संभावना-आधारित मॉडलिंग के बीच एक सेतु बनाता है, जो नियमितीकरण को केवल एक गणितीय दंड के बजाय सावधानीपूर्वक नियंत्रित, व्याख्या योग्य जानकारी के रूप में फ्रेम करता है।

शोध पत्र निष्कर्ष निकालता है कि हालांकि इन विधियों की कुछ सीमाएं हैं (जैसे, अत्यधिक विरल डेटा में क्रॉस-वैलिडेशन की संभावित अस्थिरता), वे मानक रिज रेगुलराइजेशन के लिए मजबूत, सहज विकल्प प्रदान करते हैं, विशेष रूप से जब तुलना ग्राफ की संरचना विशिष्ट प्रकार की अस्थिरता का संकेत देती है।