💻 computer science

When Lifts Predict Lifts: Leakage-Controlled Strength Prediction and a Closed-Form Leakage Diagnostic

Dit artikel legt bloot hoe machine learning-modellen voor het voorspellen van de maximale gewichten van atleten lijden onder een significante inflatie van de nauwkeurigheid door data-lekkage van gelijktijdige lifts, en stelt een gesloten diagnostisch instrument voor om de ernst van deze lekkage te kwantificeren, evenals een kosteneffectief generatief model dat gekalibreerde, fysiologisch consistente voorspellingen biedt zonder afhankelijk te zijn van gegevens van verwante lifts.

Oorspronkelijke auteurs: Yasin Alipour, Reza Pourgholi

Gepubliceerd 2026-09-24

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Yasin Alipour, Reza Pourgholi

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

In de wereld van de krachtsport, van het Olympische platform tot de lokale sportschool, is weten hoeveel een atleet kan tillen het fundament van alles. Coaches gebruiken deze cijfers om trainingsprogramma's te ontwerpen, vooruitgang bij te houden en te beslissen of een beweging veilig kan worden uitgevoerd. Ideaal gezien zou een coach elke lift die een atleet kan uitvoeren moeten meten—de clean and jerk, de snatch, de back squat en de deadlift—om een compleet beeld te krijgen. Maar alles meten is traag, uitputtend en vaak onmogelijk voor een nieuwe atleet die nog nooit heeft meegedaan aan een wedstrijd. Dit heeft geleid tot een groeiende belangstelling voor het gebruik van computerprogramma's om deze lifts te voorspellen op basis van eenvoudige feiten zoals leeftijd, geslacht, lengte en lichaamsgewicht. De hoop is dat een machine naar het basisprofiel van een persoon kan kijken en precies kan vertellen hoeveel deze kan tillen, wat tijd en moeite bespaart.

Jarenlang hebben computermodellen beweerd dit met verbazingwekkende nauwkeurigheid te kunnen doen, waarbij ze de cijfers vaak in meer dan 90 procent van de gevallen goed krijgen. Echter, een nieuwe studie suggereert dat deze hoge scores misleidend zijn. De onderzoekers ontdekten dat de modellen niet daadwerkelijk leerden hoe ze kracht konden voorspellen op basis van het lichaam van een persoon; in plaats daarvan vertrouwden ze op andere bekende lifts als aanwijzingen om de ontbrekende lift te raden. Als een model weet hoeveel iemand kan squatten, kan het de deadlift met bijna perfecte nauwkeurigheid raden omdat de twee bewegingen zo nauw met elkaar verbonden zijn. Dit is als proberen de lengte van een persoon te raden door te vragen hoe lang diegene is; het antwoord is makkelijk, maar het vertelt je niets nieuws. De echte uitdaging, waar coaches daadwerkelijk voor staan, is het voorspellen van een volledig profiel voor een vreemde die nog nooit een gewicht heeft getild, gebruikmakend van alleen de leeftijd en de lichaamsafmetingen.

Yasin Alipour en Reza Pourgholi, onderzoekers aan de Damghan Universiteit in Iran, zetten zich af tegen dit gebrek en bouwden een betere manier om kracht te voorspellen. Ze begonnen met het nemen van een grote, publieke database van CrossFit-atleten en reproduceerden de hoge nauwkeurigheidsresultaten die eerdere studies hadden gerapporteerd. Wanneer ze hun computermodellen de andere lifts van een atleet lieten zien tijdens een voorspelling, presteerden de modellen briljant en haalden ze de 93 procent nauwkeurigheid die in eerdere studies werd gezien. Maar toen veranderden ze de regels. Ze verwijderden de andere lifts uit de input, waardoor het model gedwongen werd om een lift te voorspellen met alleen de leeftijd, het geslacht, de lengte en het gewicht van de atleet. De resultaten stortten in. De nauwkeurigheid daalde met een aanzienlijke marge, van de hoge 90 procent naar het midden van de 60 procent. Deze dramatische daling onthulde dat het eerdere succes grotendeels een illusie was gecreëerd door datalekken (data leakage), waarbij het antwoord verborgen zat in de vraag.

De onderzoekers realiseerden zich dat het eerlijke probleem veel moeilijker is dan het probleem dat in het lab wordt opgelost. Het voorspellen van een lift voor een nieuwe atleet zonder enige geschiedenis is een moeilijke taak, en de beste computerprogramma's die momenteel beschikbaar zijn, krijgen het slechts in ongeveer 65 procent van de gevallen goed. Dit is geen falen van de technologie, maar een reflectie van de realiteit: de lichaamsgrootte en leeftijd van een persoon kunnen je slechts een beperkt deel vertellen over hun kracht. De studie laat zien dat hoewel machines atleten kunnen screenen en een ruwe startpositie kunnen geven, ze de werkelijke meting van een lift niet kunnen vervangen. De extra informatie die door complexe algoritmen wordt geleverd, voegt slechts een kleine hoeveelheid waarde toe ten opzichte van een eenvoudige berekening op basis van geslacht en lichaamsgewicht alleen.

Om de verwarring in het vakgebied op te lossen, ontwikkelde het team een nieuw hulpmiddel om dit soort afhankelijkheid te detecteren voordat het gebeurt. Ze creëerden een eenvoudige score die een dataset kan analyseren en kan voorspellen hoeveel nauwkeurigheid verloren zal gaan als de "sibling" targets—zoals de andere lifts—worden verwijderd. Deze score werkt door te analyseren hoe de verschillende lifts met elkaar samenhangen nadat rekening is gehouden met de basislichaamsfacten. Als de score hoog is, waarschuwt dit dat de dataset waarschijnlijk opgeblazen is door datalekken. De onderzoekers testten deze diagnostiek op krachtgegevens en vonden dat het perfect werkte. Ze probeerden het ook in volledig andere velden, zoals het voorspellen van de sterkte van betonmengsels en het energieverbruik van gebouwen. In gevallen waar de targets echt verbonden waren, zoals de verschillende lifts in een sportschool, voorspelde de score correct een grote daling in nauwkeurigheid. In gevallen waar de targets al bepaald werden door de inputdata, zoals de verwarmings- en koelingsbehoeften van een gebouw, voorspelde de score correct bijna geen daling, wat bewees dat het hulpmiddel het onderscheid kan maken tussen echte voorspelling en datalekken.

Naast het blootleggen van het probleem, bouwden de onderzoekers een nieuw type model dat ontworpen is om de eerlijke, moeilijke taak van 'cold-start' voorspellingen aan te kunnen. In plaats van elke lift als een apart probleem te behandelen, bouwden ze een enkel systeem dat kracht ziet als een combinatie van algemene capaciteit en een specifieke stijl. Stel je kracht voor als een volumeknop die bepaalt hoe sterk een atleet in het algemeen is, en een set schuifregelaars die bepalen hoe die kracht over verschillende bewegingen wordt verdeeld. Dit systeem kan een paar bekende lifts nemen en de gaten invullen voor de onbekende lifts, of een volledig profiel voorspellen voor een nieuwe atleet. Het doet dit in een fractie van de tijd en kosten van oudere, complexere methoden, terwijl het ook een mate van onzekerheid biedt zodat coaches weten hoeveel ze de cijfers kunnen vertrouwen.

Het team valideerde deze bevindingen op grote schaal door hun methoden te testen op bijna 300.000 competitieve powerlifters uit een andere database. De resultaten hielden stand: de hoge nauwkeurigheid van de oude modellen verdween wanneer de andere lifts werden verwijderd, en het nieuwe diagnostische hulpmiddel identificeerde de lekken correct. Ze toonden ook aan dat de relatie tussen lifts consistent is over verschillende populaties. Een model getraind op recreatieve CrossFit-atleten kon de relatie tussen lifts succesvol voorspellen voor elite powerlifters, zelfs hoewel de elite-atleten veel sterker waren. Dit suggereert dat hoewel de absolute getallen veranderen, de onderliggende structuur van hoe kracht wordt verdeeld, hetzelfde blijft.

De studie sluit af met een duidelijke boodschap voor coaches en datawetenschappers: de krantenkoppen over de nauwkeurigheid van krachtvoorspelling zijn vaak te mooi om waar te zijn. Wanneer een model de andere lifts van een atleet gebruikt om een nieuwe te raden, toont het geen intelligentie; het exploiteert simpelweg een bekende fysieke relatie. De echte waarde van machine learning in dit veld ligt in het vermogen om een redelijk startpunt te bieden voor nieuwe atleten en om ontbrekende gegevens in te vullen wanneer sommige lifts bekend zijn, terwijl het eerlijk toegeeft wat de grenzen van de zekerheid zijn. Door de gemakkelijke, gelekte voorspellingen te scheiden van de moeilijke, eerlijke voorspellingen, hebben de onderzoekers een duidelijk pad gebaand voor het gebruik van data om het menselijk vermogen te begrijpen.

Technische Samenvatting: Wanneer lifts voorspellen door lifts: Lekgecontroleerde krachtvoorspelling en een gesloten vorm van een lekdiagnose

Probleemstelling

Machine learning-modellen toegepast op krachtsporten rapporteren vaak een hoge nauwkeurigheid (bijv. $R^2 \approx 0,93$ ) bij het voorspellen van de maximale lifts van een atleet. Het artikel betoogt echter dat deze nauwkeurigheid grotendeels een artefact is van gelijktijdige-lift lekkage (concurrent-lift leakage). In standaard "warm-start" instellingen voorspelt het model één lift (bijv. de snatch) met behulp van de andere bekende lifts van de atleet (bijv. clean and jerk, squat, deadlift) als inputs. Omdat deze lifts een gemeenschappelijke latente krachtfactor delen, wordt de voorspelling bijna een deterministische interpolatie in plaats van echte generalisatie.

De praktische, onopgeloste uitdaging is de cold-start instelling: het voorspellen van het volledige liftprofiel van een atleet met alleen eenvoudige beschrijvers (leeftijd, geslacht, lichaamsgewicht, lengte, trainingservaring) voordat er enige liftgeschiedenis bestaat. In dit realistische scenario daalt de gerapporteerde nauwkeurigheid aanzienlijk, maar weinig methoden pakken de gezamenlijke, gekalibreerde, populatieschaal versie van dit probleem aan. Bovendien is er een gebrek aan instrumenten om te diagnosticeren hoeveel nauwkeurigheid een multi-target dataset zal verliezen wanneer "zus-targets" (andere lifts) worden weggelaten.

Methodologie

1. Lekdiagnose: De LFLS-score

De auteurs stellen een gesloten vorm van een lek-ernstscore (LFLS) voor om de nauwkeurigheidsverlies te voorspellen wanneer zus-targets worden verwijderd, zonder het dure, op zus-targets gebruikmakende model te trainen.

Berekening: De score wordt afgeleid van de residu-covariantie matrix ( $\Sigma$ ) van een goedkoop model dat enkel op beschrijvers is gebaseerd.
Logica: Het meet het deel van de variantie van een target dat herstelbaar is uit zus-targets en dat gedragen wordt door de dominante gedeelde latente factor.
Formule: Voor een target $k$ is de score gedefinieerd als het verschil tussen de door zus-targets herstelbare variantie met de volledige covariantie ( $R^2_{sib}$ ) en de variantie die herstelbaar is na het verwijderen van de rang-één dominante factor ( $R^2_{sib,0}$ ).
$LFLS(k) = R^2_{sib}(k; \Sigma) - R^2_{sib}(k; \Sigma - \lambda_1\lambda_1^\top)$
Voorspelling: Het voorspelde nauwkeurigheidsverlies wordt berekend als $LFLS(k) \times (1 - R^2_{cold})$ .

2. Generatief Model: Capaciteit en Stijl

Het artikel herformuleert krachtprofilering als een enkel generatief model gebaseerd op een factoranalyse raamwerk (equivalent aan probabilistische PCA) in log-ruimte:
$z = m(x) + \Lambda u + \epsilon$

$m(x)$ : Een op beschrijvers geconditioneerd gemiddelde, gefit met een sterke gradient-boosted regressor.
$\Lambda u$ : Een latente factorstructuur waarbij $u$ een scalaire capaciteit (algemene krachtgrootte) vertegenwoordigt en potentieel stijl-factoren (verdeling van kracht over lifts).
$\epsilon$ : Diagonale residuele ruis.
Voorspelling: Omdat het model Gaussisch is, heeft de voorspellende distributie voor elke niet-geobserveerde subset van lifts gegeven een willekeurige geobserveerde subset een gesloten vorm oplossing. Dit stelt het model in staat om te fungeren als een enkele fit voor cold-start (geen lifts geobserveerd), warm-start (alle lifts geobserveerd) en elke tussenliggende subset.

3. Kalibratie en Ordening

Gekalibreerde Onzekerheid: Het model maakt gebruik van split conformal prediction om voorspellingsintervallen te genereren met gegarandeerde marginale dekking, ongeacht de interne variantie-inschattingen van het model.
Fysiologische Ordening: Voorspelde profielen worden geprojecteerd op de populatie-liftvolgorde via isotonische regressie om fysiologische consistentie te waarborgen (bijv. ervoor zorgen dat een deadlift-voorspelling niet lager is dan een squat-voorspelling als de populatietrend dat dicteert), hoewel de auteurs opmerken dat het basismodel dit zelden van nature schendt.

Belangrijkste Resultaten

1. De "Lekage-instorting" (Leakage Collapse)

Bij het reproduceren van eerder werk op de CrossFit-dataset ( $N=51.161$ ), bevestigen de auteurs dat warm-start modellen een hoge $R^2$ bereiken (0,90–0,93). Echter, wanneer gelijktijdige lifts worden weggelaten (cold-start), stort de nauwkeurigheid in met ongeveer 0,16 tot 0,26, waarbij de $R^2$ daalt naar ongeveer 0,64–0,68. Dit effect wordt gereproduceerd op een grotere, competitie-geverifieerde dataset van 295.781 powerlifters van OpenPowerlifting, wat bevestigt dat de bevinding geen artefact is van zelfgerapporteerde gegevens.

2. Diagnostische Nauwkeurigheid

De LFLS-score voorspelt succesvol het gemeten warm-naar-cold verlies over meerdere domeinen:

Kracht: Correlatie $r=0,94$ tussen geschaalde LFLS en gemeten verlies.
Betonmengsels: Correlatie $r=0,998$ .
Gebouwenergie: Identificeerde correct nagenoeg nul lek (omdat beschrijvers de targets al vastleggen).
Schoolcijfers: Zwakste prestatie ( $r=0,71$ ), wat aangeeft dat de diagnose een hulpmiddel is voor bewijsvoering in plaats van een universele wet.

3. Cold-Start Prestaties

Op de eerlijke cold-start taak bereikt het voorgestelde model een gemiddelde $R^2$ van 0,656, waarmee het statistisch gelijk is aan sterke baselines zoals CatBoost (0,654) en LightGBM (0,646). Het artikel benadrukt dat puntnauwkeurigheid niet de primaire bijdrage is; de waarde ligt eerder in het vermogen van het model om subset-voorspelling te hanteren en gekalibreerde onzekerheid te bieden.

4. Efficiëntie van Subset-voorspelling

Bij het voorspellen van onbekende lifts vanuit een gedeeltelijke set geobserveerde lifts:

Het model komt overeen met de prestaties van een coregionalized Gaussian Process (GP) (de klassieke methode voor deze taak) over alle observatieniveaus.
Efficiëntie: Het voorgestelde model is aanzienlijk sneller, waarbij een gesloten vorm covariantie wordt gefit bovenop een gradient-boosted gemiddelde, terwijl de GP kernels en inducing points moet optimaliseren (ongeveer 30 seconden per split versus minuten voor de voorgestelde methode).
Prestatie: Het model presteert beter dan gradient-boosted conditioners in lage observatie-regimes (1–2 geobserveerde lifts) en is gelijk aan de GP in hoge observatie-regimes.

5. Interpreteerbaarheid

In een zes-maatstaven profiel (toevoeging van pull-ups en een conditionering benchmark), wordt een tweede latente factor identificeerbaar. Deze factor laadt bijna nul op barbell lifts en positief op conditionering-metrieken, wat een kracht-versus-conditionering as vertegenwoordigt. Het opnemen van deze factor verbetert de nauwkeurigheid van de subset-voorspelling.

Betekenis en Claims

Het artikel claimt drie primaire bijdragen:

Correctie van Gerapporteerde Nauwkeurigheid: Het toont aan dat de hoge nauwkeurigheid in krachtvoorspelling vaak een lek-artefact is, en dat de "eerlijke" cold-start taak aanzienlijk moeilijker is ( $R^2 \approx 0,65$ ).
Een Diagnostisch Instrument: Het introduceert de LFLS, een gesloten vorm score die het nauwkeurigheidsverlies door zus-lek voorspelt voordat complexe modellen getraind worden, gevalideerd over kracht-, beton- en energievelden.
Een Verenigd Generatief Raamwerk: Het biedt een enkel, computationeel efficiënt model dat cold-start voorspelling, elke-subset conditionering en gekalibreerde onzekerheid afhandelt, waarbij het de prestaties van dure Gaussian processes evenaart terwijl het fysiologische ordening behoudt.

De auteurs blijven bescheiden over de praktische bruikbaarheid van cold-start voorspellingen, waarbij zij opmerken dat deze slechts een begrensde waarde toevoegen bovenop eenvoudige demografische registratie (geslacht en lichaamsgewicht) en beschouwd moeten worden als screening en initialisatietools in plaats van vervangingen voor directe meting. Het werk is observationeel en cross-sectioneel, en maakt geen causale claims.