姚明单一关键指标对比赛结果影响分析(20090409)由sunbjt 发表在火箭专区 https://bbs.hupu.com/rockets
下图:plot
"下图:ss
"下图:movie
"影响比赛结果的因素是很多的,比如某个super star 的状态,进攻是否犀利,防守是否到位……
但如果我们退一步想,如果只分析“一个”主要球员的“一个”关键指标,看看是否能够找到一些对比赛结果有强烈影响的信息呢?如果有,那这个指标会是什么,能有多少信息会正确的影响比赛结果?大家细细的读完这篇短文,它可以告诉大家:对于姚明来说,哪个指标有最多的信息影响比赛走势……
注:算法我没有仔细说,大家看结果吧
姚明在本赛季(至04月09日,美国时间)共出场75次,保持了良好的出勤率。
下面是本赛季姚明关键指标的时间散点图。指标包括——上场时间(Min)、得分(PTS)、篮板(REB)、罚球(FT),分别和下图一一对应。
[p_w_upload=685767]
图中,绿色的点代表火箭赢得比赛,而品红色点代表输掉比赛。中间还有一条蓝色的中位(数)线,意义和均值线差不多。
通过“肉眼”观察这四副图大致可以发现:当姚明的得分大于19分(右上)时,会以很高的概率赢球,低于19分时比赛结果不是很妙。而观察其他三个指标,似乎它们对胜负影响不那么明显。
通过观察图我们发现了,确实有些“单一”的指标可以支持决策,那问题来了——除了这四个指标,姚明还有其他关键指标,这些指标有哪个会对比赛结果有影响,可以为我们提供支持信息呢?或者我们找到这个指标,指标的值域又是什么呢。
这些指标无外乎就是得分、前(后)场篮板,三分、罚篮之类的指标,那就把所有的指标都试一试,看看各个指标在数据区间时,会有什么样的结果。
在这17个指标(MIN FG FGA 3P 3PA FT FTA OREB DREB REB AST STL BLK TO PF EF PTS)里,假如我们使用 FG 指标,我们可以得到以下模型:
Yao.FG < 5.5 -> 输
Yao.FG >= 5.5 -> 赢
试着将75场比赛数据带入到这个模型里,有 57 个结果是正确的。也就是说75场比赛有57场是按上述规则运行的,模型的准确率为76%。
给这个模型稍稍做个解释:姚明的 FG < 5.5时,赢球的概率只有27.77%,而姚明的 FG > 5.5时,球队获胜的概率将会提升到77.19%。简单的说,姚明是火箭的当家球星,个人数据佳,球队也会受益。那么想赢球的话,后卫群就得好好想想办法,怎么舒服地送球给姚明了。
具体至今姚明的 FG 大概走势如下,蓝色线标明FG=5.5,同上面一样,绿色代表赢,品红为输。
[p_w_upload=685768]
同样计算除了 FG 指标外的其他指标,在相同算法下,其他指标的模型,精确率都低于76%,即可解释性不如以单一 FG 指标为分割的模型。比如通过肉眼观察感觉不错的得分(PTS),模型结果是:
Yao.PTS < 13.5 -> 输
Yao.PTS >= 13.5 -> 赢
模型的精确率为73.3%,和以 FG 标准的模型差2.7%。但差距不大,如果认为得分的实际意义大于FG 的意义,同样可以。喜欢用哪个指标,要看个人喜好了。
其他几个指标精确率大概都在66.7%左右,比较有意思的是姚明的失误数(TO)
Yao.TO < 1.5 -> 赢
Yao.TO < 2.5 -> 输
Yao.TO >= 2.5 -> 赢
将实际数据带入模型中,75场有52场按此规则运行,精确率为69.33%。但似乎,单单用这个指标不太好解释。需要引入其他信息才好说明。
最后是20090409(美国时间)火箭对国王比赛的球员投篮点和球队命中率的示例图:
[p_w_upload=685769]
注释:Field Goal Percentage 部分,不同颜色的线条代表了第一二三四节的投篮命中率,也就是hat(beta)的值。
具体分析大家来吧,我比较懒。
刚才想到如果,把Field Goal Percentage 的颜色改成姚明在场(红色)和不在场(紫色),可能效果会更好~~
关于投篮点的分析希望大家多多提思路,像上图给的是火箭赢球的示意,在我的空间http://sunbjt.spaces.live.com还有火箭输球的一个(VS LAL)。
PS:这个帖子算是http://bbs.hoopchina.com/555121.html的一个补充吧。
"下图:ss
"下图:movie
"影响比赛结果的因素是很多的,比如某个super star 的状态,进攻是否犀利,防守是否到位……
但如果我们退一步想,如果只分析“一个”主要球员的“一个”关键指标,看看是否能够找到一些对比赛结果有强烈影响的信息呢?如果有,那这个指标会是什么,能有多少信息会正确的影响比赛结果?大家细细的读完这篇短文,它可以告诉大家:对于姚明来说,哪个指标有最多的信息影响比赛走势……
注:算法我没有仔细说,大家看结果吧
姚明在本赛季(至04月09日,美国时间)共出场75次,保持了良好的出勤率。
下面是本赛季姚明关键指标的时间散点图。指标包括——上场时间(Min)、得分(PTS)、篮板(REB)、罚球(FT),分别和下图一一对应。
[p_w_upload=685767]
图中,绿色的点代表火箭赢得比赛,而品红色点代表输掉比赛。中间还有一条蓝色的中位(数)线,意义和均值线差不多。
通过“肉眼”观察这四副图大致可以发现:当姚明的得分大于19分(右上)时,会以很高的概率赢球,低于19分时比赛结果不是很妙。而观察其他三个指标,似乎它们对胜负影响不那么明显。
通过观察图我们发现了,确实有些“单一”的指标可以支持决策,那问题来了——除了这四个指标,姚明还有其他关键指标,这些指标有哪个会对比赛结果有影响,可以为我们提供支持信息呢?或者我们找到这个指标,指标的值域又是什么呢。
这些指标无外乎就是得分、前(后)场篮板,三分、罚篮之类的指标,那就把所有的指标都试一试,看看各个指标在数据区间时,会有什么样的结果。
在这17个指标(MIN FG FGA 3P 3PA FT FTA OREB DREB REB AST STL BLK TO PF EF PTS)里,假如我们使用 FG 指标,我们可以得到以下模型:
Yao.FG < 5.5 -> 输
Yao.FG >= 5.5 -> 赢
试着将75场比赛数据带入到这个模型里,有 57 个结果是正确的。也就是说75场比赛有57场是按上述规则运行的,模型的准确率为76%。
给这个模型稍稍做个解释:姚明的 FG < 5.5时,赢球的概率只有27.77%,而姚明的 FG > 5.5时,球队获胜的概率将会提升到77.19%。简单的说,姚明是火箭的当家球星,个人数据佳,球队也会受益。那么想赢球的话,后卫群就得好好想想办法,怎么舒服地送球给姚明了。
具体至今姚明的 FG 大概走势如下,蓝色线标明FG=5.5,同上面一样,绿色代表赢,品红为输。
[p_w_upload=685768]
同样计算除了 FG 指标外的其他指标,在相同算法下,其他指标的模型,精确率都低于76%,即可解释性不如以单一 FG 指标为分割的模型。比如通过肉眼观察感觉不错的得分(PTS),模型结果是:
Yao.PTS < 13.5 -> 输
Yao.PTS >= 13.5 -> 赢
模型的精确率为73.3%,和以 FG 标准的模型差2.7%。但差距不大,如果认为得分的实际意义大于FG 的意义,同样可以。喜欢用哪个指标,要看个人喜好了。
其他几个指标精确率大概都在66.7%左右,比较有意思的是姚明的失误数(TO)
Yao.TO < 1.5 -> 赢
Yao.TO < 2.5 -> 输
Yao.TO >= 2.5 -> 赢
将实际数据带入模型中,75场有52场按此规则运行,精确率为69.33%。但似乎,单单用这个指标不太好解释。需要引入其他信息才好说明。
最后是20090409(美国时间)火箭对国王比赛的球员投篮点和球队命中率的示例图:
[p_w_upload=685769]
注释:Field Goal Percentage 部分,不同颜色的线条代表了第一二三四节的投篮命中率,也就是hat(beta)的值。
具体分析大家来吧,我比较懒。
刚才想到如果,把Field Goal Percentage 的颜色改成姚明在场(红色)和不在场(紫色),可能效果会更好~~
关于投篮点的分析希望大家多多提思路,像上图给的是火箭赢球的示意,在我的空间http://sunbjt.spaces.live.com还有火箭输球的一个(VS LAL)。
PS:这个帖子算是http://bbs.hoopchina.com/555121.html的一个补充吧。
下图:plot
"下图:ss
"下图:movie
"影响比赛结果的因素是很多的,比如某个super star 的状态,进攻是否犀利,防守是否到位……
但如果我们退一步想,如果只分析“一个”主要球员的“一个”关键指标,看看是否能够找到一些对比赛结果有强烈影响的信息呢?如果有,那这个指标会是什么,能有多少信息会正确的影响比赛结果?大家细细的读完这篇短文,它可以告诉大家:对于姚明来说,哪个指标有最多的信息影响比赛走势……
注:算法我没有仔细说,大家看结果吧
姚明在本赛季(至04月09日,美国时间)共出场75次,保持了良好的出勤率。
下面是本赛季姚明关键指标的时间散点图。指标包括——上场时间(Min)、得分(PTS)、篮板(REB)、罚球(FT),分别和下图一一对应。
[p_w_upload=685767]
图中,绿色的点代表火箭赢得比赛,而品红色点代表输掉比赛。中间还有一条蓝色的中位(数)线,意义和均值线差不多。
通过“肉眼”观察这四副图大致可以发现:当姚明的得分大于19分(右上)时,会以很高的概率赢球,低于19分时比赛结果不是很妙。而观察其他三个指标,似乎它们对胜负影响不那么明显。
通过观察图我们发现了,确实有些“单一”的指标可以支持决策,那问题来了——除了这四个指标,姚明还有其他关键指标,这些指标有哪个会对比赛结果有影响,可以为我们提供支持信息呢?或者我们找到这个指标,指标的值域又是什么呢。
这些指标无外乎就是得分、前(后)场篮板,三分、罚篮之类的指标,那就把所有的指标都试一试,看看各个指标在数据区间时,会有什么样的结果。
在这17个指标(MIN FG FGA 3P 3PA FT FTA OREB DREB REB AST STL BLK TO PF EF PTS)里,假如我们使用 FG 指标,我们可以得到以下模型:
Yao.FG < 5.5 -> 输
Yao.FG >= 5.5 -> 赢
试着将75场比赛数据带入到这个模型里,有 57 个结果是正确的。也就是说75场比赛有57场是按上述规则运行的,模型的准确率为76%。
给这个模型稍稍做个解释:姚明的 FG < 5.5时,赢球的概率只有27.77%,而姚明的 FG > 5.5时,球队获胜的概率将会提升到77.19%。简单的说,姚明是火箭的当家球星,个人数据佳,球队也会受益。那么想赢球的话,后卫群就得好好想想办法,怎么舒服地送球给姚明了。
具体至今姚明的 FG 大概走势如下,蓝色线标明FG=5.5,同上面一样,绿色代表赢,品红为输。
[p_w_upload=685768]
同样计算除了 FG 指标外的其他指标,在相同算法下,其他指标的模型,精确率都低于76%,即可解释性不如以单一 FG 指标为分割的模型。比如通过肉眼观察感觉不错的得分(PTS),模型结果是:
Yao.PTS < 13.5 -> 输
Yao.PTS >= 13.5 -> 赢
模型的精确率为73.3%,和以 FG 标准的模型差2.7%。但差距不大,如果认为得分的实际意义大于FG 的意义,同样可以。喜欢用哪个指标,要看个人喜好了。
其他几个指标精确率大概都在66.7%左右,比较有意思的是姚明的失误数(TO)
Yao.TO < 1.5 -> 赢
Yao.TO < 2.5 -> 输
Yao.TO >= 2.5 -> 赢
将实际数据带入模型中,75场有52场按此规则运行,精确率为69.33%。但似乎,单单用这个指标不太好解释。需要引入其他信息才好说明。
最后是20090409(美国时间)火箭对国王比赛的球员投篮点和球队命中率的示例图:
[p_w_upload=685769]
注释:Field Goal Percentage 部分,不同颜色的线条代表了第一二三四节的投篮命中率,也就是hat(beta)的值。
具体分析大家来吧,我比较懒。
刚才想到如果,把Field Goal Percentage 的颜色改成姚明在场(红色)和不在场(紫色),可能效果会更好~~
关于投篮点的分析希望大家多多提思路,像上图给的是火箭赢球的示意,在我的空间http://sunbjt.spaces.live.com还有火箭输球的一个(VS LAL)。
PS:这个帖子算是http://bbs.hoopchina.com/555121.html的一个补充吧。
"下图:ss
"下图:movie
"影响比赛结果的因素是很多的,比如某个super star 的状态,进攻是否犀利,防守是否到位……
但如果我们退一步想,如果只分析“一个”主要球员的“一个”关键指标,看看是否能够找到一些对比赛结果有强烈影响的信息呢?如果有,那这个指标会是什么,能有多少信息会正确的影响比赛结果?大家细细的读完这篇短文,它可以告诉大家:对于姚明来说,哪个指标有最多的信息影响比赛走势……
注:算法我没有仔细说,大家看结果吧
姚明在本赛季(至04月09日,美国时间)共出场75次,保持了良好的出勤率。
下面是本赛季姚明关键指标的时间散点图。指标包括——上场时间(Min)、得分(PTS)、篮板(REB)、罚球(FT),分别和下图一一对应。
[p_w_upload=685767]
图中,绿色的点代表火箭赢得比赛,而品红色点代表输掉比赛。中间还有一条蓝色的中位(数)线,意义和均值线差不多。
通过“肉眼”观察这四副图大致可以发现:当姚明的得分大于19分(右上)时,会以很高的概率赢球,低于19分时比赛结果不是很妙。而观察其他三个指标,似乎它们对胜负影响不那么明显。
通过观察图我们发现了,确实有些“单一”的指标可以支持决策,那问题来了——除了这四个指标,姚明还有其他关键指标,这些指标有哪个会对比赛结果有影响,可以为我们提供支持信息呢?或者我们找到这个指标,指标的值域又是什么呢。
这些指标无外乎就是得分、前(后)场篮板,三分、罚篮之类的指标,那就把所有的指标都试一试,看看各个指标在数据区间时,会有什么样的结果。
在这17个指标(MIN FG FGA 3P 3PA FT FTA OREB DREB REB AST STL BLK TO PF EF PTS)里,假如我们使用 FG 指标,我们可以得到以下模型:
Yao.FG < 5.5 -> 输
Yao.FG >= 5.5 -> 赢
试着将75场比赛数据带入到这个模型里,有 57 个结果是正确的。也就是说75场比赛有57场是按上述规则运行的,模型的准确率为76%。
给这个模型稍稍做个解释:姚明的 FG < 5.5时,赢球的概率只有27.77%,而姚明的 FG > 5.5时,球队获胜的概率将会提升到77.19%。简单的说,姚明是火箭的当家球星,个人数据佳,球队也会受益。那么想赢球的话,后卫群就得好好想想办法,怎么舒服地送球给姚明了。
具体至今姚明的 FG 大概走势如下,蓝色线标明FG=5.5,同上面一样,绿色代表赢,品红为输。
[p_w_upload=685768]
同样计算除了 FG 指标外的其他指标,在相同算法下,其他指标的模型,精确率都低于76%,即可解释性不如以单一 FG 指标为分割的模型。比如通过肉眼观察感觉不错的得分(PTS),模型结果是:
Yao.PTS < 13.5 -> 输
Yao.PTS >= 13.5 -> 赢
模型的精确率为73.3%,和以 FG 标准的模型差2.7%。但差距不大,如果认为得分的实际意义大于FG 的意义,同样可以。喜欢用哪个指标,要看个人喜好了。
其他几个指标精确率大概都在66.7%左右,比较有意思的是姚明的失误数(TO)
Yao.TO < 1.5 -> 赢
Yao.TO < 2.5 -> 输
Yao.TO >= 2.5 -> 赢
将实际数据带入模型中,75场有52场按此规则运行,精确率为69.33%。但似乎,单单用这个指标不太好解释。需要引入其他信息才好说明。
最后是20090409(美国时间)火箭对国王比赛的球员投篮点和球队命中率的示例图:
[p_w_upload=685769]
注释:Field Goal Percentage 部分,不同颜色的线条代表了第一二三四节的投篮命中率,也就是hat(beta)的值。
具体分析大家来吧,我比较懒。
刚才想到如果,把Field Goal Percentage 的颜色改成姚明在场(红色)和不在场(紫色),可能效果会更好~~
关于投篮点的分析希望大家多多提思路,像上图给的是火箭赢球的示意,在我的空间http://sunbjt.spaces.live.com还有火箭输球的一个(VS LAL)。
PS:这个帖子算是http://bbs.hoopchina.com/555121.html的一个补充吧。
推荐 (3)
评论
收藏
分享
举报
只看楼主