Rating \operatorname{Rating} Rating 计算公式一般有多种,具体公式取决于使用情境和数据结构。
常用的环形排序算法的Rating计算公式是:
Rating
=
R
+
K
×
(
P
−
E
)
\operatorname{Rating} = R + K\times(P -E)
Rating=R+K×(P−E)其中,
R
R
R 是用户的当前
Rating
\operatorname{Rating}
Rating,
P
P
P 是用户在比赛中取得的得分(或排名),
E
E
E 是用户的期望得分(或期望排名),
K
K
K 是调整参数。
期望得分可以用以下公式计算:
E
=
(
1
/
(
1
+
1
0
(
(
O
−
R
)
/
400
)
)
)
∗
S
E=(1/(1+10^{((O-R)/400)}))*S
E=(1/(1+10((O−R)/400)))∗S其中,
S
S
S 是当前场次的总分数(或票数),
O
O
O 是指用户在比赛开始之前的
Rating
\operatorname{Rating}
Rating。
在此基础上,还有其他一些特殊情况下的计算公式,例如:
- 对于新用户的 Rating \operatorname{Rating} Rating 计算公式: Rating = 1200 + K ∗ ( P − E ) \operatorname{Rating} =1200 + K *(P -E) Rating=1200+K∗(P−E)其中 K K K 通常为 32 32 32。
- 对于团队比赛中的
Rating
\operatorname{Rating}
Rating 计算公式:
Rating
=
(
T
1
+
R
2
+
R
3
+
…
)
/
N
\operatorname{Rating} =(T_1+R_2+ R_3 +\dots)/N
Rating=(T1+R2+R3+…)/N其中
T
1
T_1
T1 是自己团队的总得分(或总排名),
R
2
,
R
3
R_2,R_3
R2,R3 等是其
他团队成员的当前 Rating \operatorname{Rating} Rating, N N N 是团队成员总数。 - 对于基于多属性评分的
Rating
\operatorname{Rating}
Rating 计算公式:
Rating = a × A + b × B + c × C + … \operatorname{Rating} =a\times A+ b \times B+c\times C+ \dots Rating=a×A+b×B+c×C+…其中 A , B , C A,B,C A,B,C 等是不同属性的得分, a , b , c a,b,c a,b,c 等是对应属性的权重。
值得注意的是,不同的 Rating \operatorname{Rating} Rating 计算公式会对结果产生不同的影响,因此选择适合自己的公式非常重要。