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。