SSAC 20決選論文簡述：球員新分類、反擺爛機制、動態捕捉
2020/03/27閱讀時間約 3 分鐘
史隆運動分析論壇(MIT SSAC)，是北美運動數據研究圈中最重要的交流盛會，許多的運動數據分析人才與業界相關公司，都是透過此論壇所發跡。
以下為個人對SSAC 20入選論文的簡述。引言則是個人觀點。
一、解構當代NBA球員於場上的新定位
成為核心得分手潛值較低的新秀，在選天賦不選位置的選秀策略下容易吃虧。
首先，作者利用多種數據分類出九種新型態的球員類型。
- 多數球員都能直接套用特定的角色分類，少數球員為混合型。
- 分類統計以單季表現為單位。基於球隊所給予的任務與自身能力成長，球員可能會在兩季之間擔任不同的角色。
- 預估貢獻值是大樣本下的常態評估，但各類型其實都能產出明星級選手。
接著，作者將2009 - 2018賽季的所有上場陣容進行消除雜訊處理，取樣後以機器學習(Random Forests)的方式去模擬了310萬個可能陣容的可能淨得分(Net Rating)。
- 模型建議以核心得分手 + 無球射手打造陣容。擁有一位核心得分手、兩位延伸型前鋒便能帶來高效表現；反之，若陣容中無此兩類球員，則表現多半不好。
- 大部分陣容需要配至少一位高使用率後衛(核心得分手/地板型後衛/高使用率後衛)負責持球；延伸型前鋒可以取代萬金油球員。
- 最高淨貢獻值(+14.5 ~ +15.5)的陣容組成：
1.25核心得分手 + 2.25萬金油球員 + 0.5延伸型前鋒 + 1傳統型大個 - 勇士17年(+12.4)的死亡五小陣容：
2核心得分手(SC、KD) + 1射手型後衛(KT) + 2萬金油球員(DG、AI) - 最低淨貢獻值(-10.7 ~ -10.3)的陣容組成：
0.25地板型後衛 + 2高使用率後衛 + 2.25萬金油球員 + 0.5技巧型前鋒
二、反擺爛的選秀抽籤新機制
立意良好，但算式複雜、球迷難以直觀理解是最大問題。
個人以為採用2005-2018樂透規則，再引進熔斷機制即能成為更務實的選秀模型。
作者認為，只要樂透機率規則是根據最終排名計算，則永遠無法杜絕球隊擺爛；所有非季後賽球隊的抽籤機率相同也是問題，實力較弱的球隊無法有效補強。因此作者提出的新機制有著兩大特點：
- 動態遞迴。從賽季的第一場比賽開始動態計算樂透機率。其運算式假設所有球隊實力相等，若球隊實力有落差，則可透過如賭盤預測等機率去校准參數，精準定義弱隊並提高樂透中籤機率。
- 熔斷機制。當勝場差距大到中後段球隊覺得擺爛比爭奪季後賽席次更有價值時，則鎖死樂透機率，避免中段球隊技術性躺平與弱隊搶選秀權。
三、無需安裝球場設備的影像動態捕捉技術
- 該技術可以直接分析電視轉播，得到準確率相當高的動態捕捉數據。分析測試上，該程式抓取的球員移動軌跡與Second Spectrum紀錄相比，吻合度高達92.1%。分析動態數據的同時亦能抓取計分板，一併建立時間軸與得分紀錄。
- 校正基準是是透過「油漆區」、「罰球半圓區」與中場「Logo」的相對位置去做距離定位。
- 該技術將大幅降低動態數據抓取的成本，帶給業餘籃球幫助，但仍有改進空間。目前最大的問題是無法精準抓取球的移動軌跡，因此提供的內容受限。
其他籃球入選論文
497會員
60內容數
留言0
查看全部
