基于Shapley值的高校数据价值评估 主要贡献 提出了一系列用于近似计算Shapley值的高效算法。设计了一个算法，通过实现不同模型评估之间的适当信息共享来实现这一目标,该算法具有可证明的误差保证来近似N个数据点的SV，其模型评估数量为 O ( N l o g ( N ) 2 ) O(\sqrt Nlog(N)^2) O(N ​log(N)2) 这个算法依赖于学习算法的稳定性，对于复杂的

参考 https://www.tcodesearch.com/sap-tables/search?q=valuation+class

1.数据集 采用某联赛（e.g. 英超联赛）的某一赛季（e.g.2022-2023赛季）的全部比赛，将从联赛层面和球队层面分别训练以给出针对化的建议。 数据由追踪数据（记录了每帧内22名球员和球的[x,y]坐标，每秒记录10次）和事件数据（记录了传球、射门、进球、带球等重要事件，并标注了其它特征(球员、时间戳、球开始位置、球结束位置、事件成功/失败等)）组成，需要说明的是，追踪数据的一帧画面被