跳转到主要内容
vip威尼斯登录入口

识别击球手原型

:丹尼Dinsdale

关键的外卖

vip威尼斯登录入口展示了如何对局数进行聚类分析,可以用来对具有类似击球原型的球员进行分组, 如 低风险球员,增加后期局跑率超过平均节奏. 

 英国排名中间(3-5位) 与澳大利亚相比有利,与更高的运行和控制率预测. 

-在ODIs的最后10个回合, vip威尼斯登录入口的算法将英格兰的Jos Buttler归为一组,认为他拥有无可比拟的高得分率, 同时也将澳大利亚的格伦·麦克斯韦列为下一个最危险的球员群体. 

世界杯卫冕冠军澳大利亚准备迎战东道主英格兰, vip威尼斯登录入口已经应用了OptaPro的两个新的先进指标来强调双方击球方法的差异.

在之前的博客中,vip威尼斯登录入口介绍了 基于奔跑率和控制率的预测,模拟玩家回合进程. 这些方法提供了一种将比赛数据精确地可视化的方法, 这使vip威尼斯登录入口能够提取更详细的玩家表现信息. 使用这些方法的下一步便是使用vip威尼斯登录入口的模型输出去识别相似的玩家原型, 哪些可以用来理解团队组成.

分组相似的击球手类型

简单地概括一下,vip威尼斯登录入口在之前的博客中定义的指标是:

每次交付的预计运行次数: vip威尼斯登录入口考虑的是每次交货的数量而不是罢工率. 这是为了区分罢工率, 哪一个通常考虑总局得分率, 并预测每次交付的运行次数, 哪一个纯粹是对一局中特定投球的得分率的预测.

预测控制投篮概率: 这是击球手能控制投球的概率. vip威尼斯登录入口将控制击球定义为击球的结果是击球手所期望的结果, 从时机恰当的远射到在树桩外明智的离场.

使用这些指标, vip威尼斯登录入口可以将玩家分配到不同的小组, 基于他们结果的相似性. 例如, vip威尼斯登录入口可以根据每个交付进程将玩家分组, 或者类似的控制速率进展. vip威尼斯登录入口也可以将这些参数整合到拥有相似运行和控制速率进化的玩家群组中. 例如, vip威尼斯登录入口可以使用这个工具来识别低风险的球员,他们在最后一局的跑动率高于平均节奏.

为此,vip威尼斯登录入口使用聚类算法. 其基本思想是,vip威尼斯登录入口根据曲线在感兴趣的时间范围内的距离对它们进行分组. 通常彼此很接近的曲线很可能被放在同一组中. vip威尼斯登录入口这个算法的更多细节可以在这个博客的最后找到.

比较英国和澳大利亚的引擎室

在今年的世界杯上,英格兰队与其他许多球队的一个主要区别是,他们在击球阵容上的侵略性始终如一, 特别是在他们的“引擎室”(位置3-5).

探究英格兰和澳大利亚的关键球员如何构建他们的回合, vip威尼斯登录入口已经建立了他们每次传球的跑动模型,以及在2019年世界杯所有其他球队相同位置的击球手控制投篮的概率.

识别击球手原型, 然后vip威尼斯登录入口使用聚类算法根据玩家的控制和运行速度同时对他们进行分组. vip威尼斯登录入口可以观察到每个群体的独特特征, vip威尼斯登录入口在这里任意选择了6个组,这个可以增加,以获得更多的描述性聚类.

下面的图代表了六组引擎室玩家,并显示了他们预测的运行和控制率, 澳大利亚和英格兰的球员分别穿着金色和蓝色的队服. 虚线表示所有选手的平均成绩.

 

 

在这个分析中,每个群体都有一个独特的特征. 就运行积累而言,第5组和第6组是两个最谨慎的集群, 但控制率分别较低和较高. 请注意,澳大利亚和英格兰的球员都没有出现在这个组中, 强调两支团队的引擎室都一贯积极主动.

第三组和第四组有些相似, 但与第四组相比,第三组的运行速度始终较高,而初始控制率则较低, 尽管这改善了,以匹配第四组的控制率50交付面临. 最后,第一组和第二组是重量级选手.

有趣的是,英国和澳大利亚的引擎室在操作上有相似之处也有不同之处. 3号和4号击球, Root和Morgan分别与Smith和Khawaja归在一起. 他们的运作方式非常相似, 但是英格兰队成功击球的关键可以通过他们每一对球员持续较高的跑动率和控制率来观察. 例如, 乔·鲁特一贯较高的跑控率相当于60个击球率.当罢工率为91时,每次解雇得39分.2015年世界杯以来的平均打击率为80,而史蒂夫·史密斯的平均打击率为43.当罢工率为84时,每次解雇得36分.59. 观察他们相似的方法组合在一起,vip威尼斯登录入口的算法, 很明显,他们是每个团队的粘合剂,稳定的积累和高控制率, 但根在这两个方面的表现都稍微一致一些.

类似地,vip威尼斯登录入口可以观察到大击球手(第一组和第二组)的差异. 这里vip威尼斯登录入口可以看到麦克斯韦, 谁和哈迪克·潘迪亚是一伙的, 以持续的高跑动率击出的安打. 巴特勒要多花点时间才能开始, 但他的加速度比麦克斯韦要大得多. 此外, 与麦克斯韦相比,在前50次交付中,Buttler的控制率预测更高, 谁的控制概率在一局中稳定地下降而跑速没有增加.

最后10个玩家组

vip威尼斯登录入口如何使用聚类来区分玩家类型和理解团队力量的另一个例子可以通过将击球手从他们最后的10个表现中分组来展示, vip威尼斯登录入口在之前的博客中分析了一个指标, 在此实例分组中,哪些部分仅基于每次交付的运行.

这将玩家聚集在一起, 自2015年世界杯以来,谁的ODI得分至少达到400, 谁有类似的方法在最后10局的累积. 突出的是来自英国、澳大利亚和印度的一些关键球员.

 

 

首先,vip威尼斯登录入口来看第三组,其中包括英格兰的本·斯托克斯. 虽然每次送货率开始很高,超过41-46次, 与其他组相比,这一组在最后四轮比赛中表现出了相当大的下降. 这些玩家的跑动速度似乎在1左右.00-1.在游戏的这段时间内,每次传送25次. 这仍然是一个非常快的得分速度, 但他们似乎并没有持续地使用额外的齿轮来提高每次跑1次以上的速度.50. 本·斯托克斯甚至显示了一个下降的得分率,可能是由于试图打过球. 这可能是英格兰队在最后一轮比赛中的弱点, 但是,对于数据点较少的球员来说,在一局结束时的预测可能是不确定的, 斯托克斯就是一个典型的例子. 这将在这篇博文的最后进一步讨论.

该算法还对“Buttler”进行分组. 正如在之前的博客中所讨论的, 他在最后10回合的加速在这组选手中是无与伦比的. 因此,聚类算法将他的曲线确定为唯一且不等效. 然而,剩下的两组玩家之间却有一些有趣的比较.

一方面, 第二组和第四组在最后10个回合的加速过程中有些相似. 事实上, 短暂的一瞥可能不会揭示他们之间的任何重大差异, 因为两组的每次交付预测都差不多,都是50次/ 1左右.25-2.00. 然而,这些组之间的关键区别在于得分率的积累.

第二组, 其中包括英格兰的莫恩·阿里, 印度的维拉特·科利和澳大利亚的格伦·麦克斯韦, 在第45场比赛中,你的得分已经超过了平均预测吗. 他们往往会在早期加速,但在最后10个回合中会稳步加速. 然而,像第四组的印度MS Dhoni这样的公司,往往会推迟这种加速. 因此, 尽管第四组的球员在第50位的时候跑速会增加, 他们比第二组的人更深入地进入一局.

结论

本博客中的两个例子展示了基于奔跑率和控制率对玩家进行分组的各种方法,这些方法可以用来了解团队和玩家的优势.

通过分组引擎室球员在这届世界杯的个人局组成, 很明显,英格兰队的进球率是其他任何球队都望尘莫及的. 与澳大利亚同行相比, 英格兰的中间秩序在运行速度和控制速度方面表现良好.

除了, vip威尼斯登录入口也可以看到为什么英格兰队在一局的最后10回合中如此强大, 由于他们的击球顺序包含高度破坏性的后期顺序球员往往比大多数在这一回合的早期加速.

这些例子只是触及了如何运行和控制速率建模的表面, 还有聚类算法, 能否识别玩家原型. vip威尼斯登录入口观察了ODIs中特定类别的国际参与者, 但是,vip威尼斯登录入口的模型和方法可以适用于各种各样的国际和国内比赛.

*进一步模型细节:

为了对相似曲线进行分组,vip威尼斯登录入口采用欧氏距离全连锁层次聚类. vip威尼斯登录入口聚集的特性是每次交付时预测的GAM值, 超过50个配送环节, 每个玩家将拥有50个功能. 这可以通过查看交付的子集来比较曲线来减少. 尽管vip威尼斯登录入口在对单个度量进行聚类时没有对特征进行标准化, 当vip威尼斯登录入口同时根据玩家的运行速率和控制速率对他们进行分类时, 需要对测量值进行标准化.

就不确定性而言, vip威尼斯登录入口也可以估计相应的运行速率和控制率的置信区间, 为了说明vip威尼斯登录入口对每次交付的平均运行次数的预测的不确定性. 这些只是一个粗略的指南,因为使用vip威尼斯登录入口的方法进行稳健区间估计所需要的主要假设不成立(高斯响应变量),但它确实让vip威尼斯登录入口知道vip威尼斯登录入口的结果中不太确定的地方. vip威尼斯登录入口也可以考虑预测区间, 但是由于单次射击可以获得的跑动变化很大, 这些间隔往往很宽,信息量不大. 下面vip威尼斯登录入口给出了Ben Stokes的95%置信区间, 为了显示在vip威尼斯登录入口的模型输出中存在较大不确定性的一段时间内,他的每次交付估算的减少是如何发生的, 因此,这很可能是斯托克斯在这段时间内缺乏数据造成的.

 

 

重要的是要注意,这些信心间隔最有可能增加在一个回合的极端结束, 打者面对交付的机会更少的地方. 这就是为什么vip威尼斯登录入口在这一回合中选择了400分. 这个截断可以减少,但需要注意在模型拟合中使用的样条数和平滑参数值. 产出不确定性在英国和澳大利亚的中间顺序图中不是一个问题, 因为vip威尼斯登录入口看的是球员个人的回合,而不是球队的部分回合.