fifa16如何治疗球员？
首先说明结论，本论文假设所提到的伤病是游戏《FIFA 16》的中式伤病（Mild Trauma），并且是在没有使用任何外挂的情况下得出的结果。 研究过程如下： 在游戏《FIFA 16》中，有69种不同伤病的症状可供选择，这些伤病被分为8个大类（表二）。 由于真实世界中的伤病远比游戏中出现的要复杂，因此我们将删除掉游戏中“假”的伤病，只将“真”的伤病引入到游戏中。同时为了排除由玩家操作失误或者计算机随机性带来的不可控因素，我们重复了多次游戏进程，每次游戏都从同一支球队开始并结束，只对球队的伤病进行对比。
在8大伤病分类下，我们选出了5个典型伤病，它们在游戏中的常见程度用出现次数表示。这5种常见病分别是：
1、骨折（Broken Bone）；2、肌肉损伤（Muscle Injury）；3、脑震荡（Concussion）；4、抽筋（Cramps）；5、疲倦（Tiredness）。 这五种疾病在8大类疾病中分别占有一个代表，因此出现频率较高。 随后我们每完成一个赛季就查看队医的医治结果，并统计其成功率(图一)。 当患者被成功治愈后，系统会恢复患者的状态至健康(H)；当患者被成功缓解时，状态被调整为残（R），此时患者虽然能够参加部分比赛，但是受伤带来的影响依然存在且随时可能复发。当患者的状态被调整回健康之时，我们就认为该疾病被完全治愈了。
通过反复测试我们发现在《FIFA 16》中，除了骨折之外，其他四种疾病的治愈率均低于50%，而骨折的治愈率则高达70%以上。 我们进一步观察发现（图二），对于同样一种疾病，不同球员的治愈率存在明显差异，这种现象似乎与球员的能力值有关——能力值高的球星，其伤病康复的难度也更大一些。
基于此，我们提出假说： 游戏中患同样的病，能力强的人恢复慢。 为了验证这个假说，我们用游戏数据生成了两组数据集，一组用于训练模型，另一组用于测试。 在训练模型的时候，我们使用了游戏数据进行逻辑回归，并将能力值作为预测变量添加到模型当中。 使用游戏中的所有伤病病例对模型进行训练之后，我们发现模型的训练效果良好（图三）。
随后我们使用了测试数据对模型进行验证，验证的结果显示模型的精准度达到86.7%（图四）。 这个模型可以有效地预测不同玩家的伤病情况，为游戏的防沉迷提供科学的依据。