Model strojního učení měří výkony hráčů MLB

Tým výzkumníků na Penn State College of Information Sciences and Technology vyvinul model strojního učení, který může lépe měřit krátkodobné a dlouhodobé výkony baseballistů a týmů. Nová metoda byla měřena proti stávajícím statistickým analytickým metodám zvaným sabermetrika.

Výzkum byl prezentován v článku s názvem „Použití strojního učení k popisu, jak hráči ovlivňují hru v MLB.“

Využití NLP a počítačového vidění

Týmův přístup se opíral o nedávné pokroky v zpracování přirozeného jazyka a počítačovém vidění a může mít velké důsledky pro měření vlivu hráče na hru.

Connor Heaton je doktorand na College of IST.

Heaton říká, že stávající rodiny metod se spoléhají na počet případů, kdy hráč nebo tým dosáhne diskrétní události, jako je odpálení homerunu. Tyto metody nezohledňují kontext každé akce.

„Představte si scénář, v němž hráč zaznamenal jeden hit v posledním plate appearance,“ řekl Heaton. „Mohli bychom vidět driblování po třetí base line, posunutí běžce z první na druhou základnu a poražení házu na první základnu, nebo odpálení míče do hlubokého levého pole a dosažení první základny pohodlně, ale bez dostatečné rychlosti na to, aby se pokusil o double. Popis obou situací jako „jeden hit“ je přesný, ale nevypráví celou příběh.“

Nový model

Heatonův model se spoléhá na učení významu událostí ve hře, které je založeno na jejich dopadu na hru a kontextu. Model pak považuje hru za posloupnost událostí a výstupem jsou numerické reprezentace, jak hráči ovlivňují hru.

„Často mluvíme o baseballu v termínech „tento hráč měl dva singly a double včera“ nebo „šel jeden za čtyři,“ řekl Heaton. „Mnohé způsoby, kterými mluvíme o hře, pouze shrnují události jedním souhrnným statistickým údajem. Naše práce se snaží získat holistický obraz hry a získat nuancovanější, výpočetní popis, jak hráči ovlivňují hru.“

Nová metoda využívá sekvencovací techniky v NLP, aby umožnila počítačům naučit se význam různých slov. Heaton použil tuto techniku, aby naučil svůj model význam událostí v baseballu, jako je odpálení singlu. Hra byla poté modelována jako posloupnost událostí.

„Dopad této práce je rámec, který je navržen pro to, co jsem rád nazývám „vyptávání hry“,“ řekl Heaton. „Považujeme ji za posloupnost v tomto celkovém výpočetním scaffoldingu pro modelování hry.“

Model je schopen popsat vliv hráče na hru ve krátkodobém horizontu a když je kombinován s tradičními metodami, může předpovědět vítěze hry s přesností přes 59%.

Školení modelu

Výzkumníci školovali svůj model pomocí dat, která byla dříve shromážděna ze systémů instalovaných v baseballových stadionech. Tyto systémy sledují podrobné informace pro každý pitch, včetně pozice hráčů, obsazenosti bazin a rychlosti pitchu. Bylo použito dvou typů dat. První bylo pitch-po-pitch data, které pomohlo analyzovat informace, jako je typ pitchu. Druhé bylo data sezóna-po-sezóně, které se používalo k vyšetřování pozice-specifických informací.

Každý pitch v shromážděném datasetu měl tři hlavní funkce, které byly konkrétní hra, číslo at-batu v rámci hry a číslo pitchu v rámci at-batu. Tyto údaje umožnily výzkumníkům rekonstruovat posloupnost událostí, které tvoří baseballovou hru.

K popisu událostí, které se staly, jak se staly a kdo se na každé hře podílel, tým identifikoval 325 možných změn hry, které mohou nastat, když je vržen pitch. To bylo poté kombinováno s existujícími daty a hráčské záznamy byly imputovány.

Prasenjit Mitra je profesor informačních věd a technologií a také spoluautor článku.

„Tato práce má potenciál významně pokročit ve stavu současného sabermetrického umění,“ řekl Prof. Mitra. „Naše znalosti jsou první, kdo zachycuje a reprezentuje nuancovaný stav hry a využívá tyto informace jako kontext pro hodnocení jednotlivých událostí, které jsou počítány tradičními statistikami – například automatickým budováním modelu, který chápe klíčové momenty a kritické události.“