Elo 评分系统：Facemash 和国际象棋之间的共同点

还记得电影《社交网络》中马克·扎克伯格创建 “Facemash”（Facebook 的早期版本）的场景吗？他对爱德华多·萨瓦林说：“我需要你用来排名国际象棋选手的算法”，然后爱德华多·萨瓦林在玻璃板上写下了一个方程。

这个方程被称为 Elo 评分系统，以创建者阿帕德·埃洛的名字命名。该评分系统用于评估像国际象棋、足球、棒球和美式足球等选手对战游戏中的选手技能。

埃洛的信念如下：

每个选手在一场比赛中的表现是随机变量的正态分布。
无论选手在单场比赛中的表现如何，其平均值都会缓慢增加。

最初作为国际象棋选手的评分系统发明，Elo 现在已成为大多数电子游戏、斯诺克、拼字游戏等的基础评分系统。

Elo 评分系统解释

该系统通过使用选手的 Elo 评分来确定比赛的结果。这一切都基于概率。Elo 评分较高的选手赢得比赛的概率比评分较低的选手更高。

比赛结束后，胜者将从败者那里获得分数，从而提高自己的评分。

如果高评分选手获胜，只会从低评分选手那里转移少量分数。然而，如果低评分选手爆冷获胜，那么被转移的分数将远大于高评分选手获胜时的情况。（听起来是不是不太公平？）

Elo 评分系统方程解释

让我们来看一下 Elo 评分方程。

$\begin{array}{l} E_{A}=\frac{1}{1+10^{\left(R_{B}-R_{A}\right) / 400}} .\\ E_{B}=\frac{1}{1+10^{\left(R_{A}-R_{B}\right) / 400}} . \end{array}$
在这个方程中， $R_A$ 和 $R_B$ 分别代表选手的当前 Elo 评分。

在现实世界的竞技游戏中，选手有赢得、输掉和打平比赛的概率。因此，当选手的得分为 0.64 时，赢得、输掉和打平的概率分别为 64%、36% 和 0%。注意，即使平局的计算概率为0，但是不同评分的选手平局后评分利用下面的更新公式计算后依旧会变动。

比赛结束后，如果选手的实际得分超过预期得分，那么选手的 Elo 评分将被更新。同样，如果选手的实际得分低于预期得分，那么其评分将被向下调整。

假设选手在比赛中需要获得 $E_A$ 分，但实际获得了 $S_A$ 分，那么选手的评分将使用以下公式更新：
$R_{A}^{\prime}=R_{A}+K\left(S_{A}-E_{A}\right)$
K 被称为 “K 因子”。它是衡量一场比赛对选手评分影响程度的指标。如果 K 值较低，那么评分变化较小；如果 K 值较高，那么评分变化较大。不同的组织使用不同的 K 因子；没有为它定义通用值。

Elo 评分系统的伪代码

import math

class elo_core:
     def getExpectation(rating_1, rating_2):
		return 1.0 / (1.0 + pow(10, ((rating_2 – rating_1) / 400)))

     def modifyRating(rating, expected, actual, kfactor):
		return rating + kfactor * (actual – expected)