Modello di apprendimento automatico per misurare le prestazioni dei giocatori di baseball della MLB

Un team di ricercatori del Penn State College of Information Sciences and Technology ha sviluppato un modello di apprendimento automatico in grado di misurare meglio le prestazioni a breve e lungo termine dei giocatori di baseball e delle squadre. Il nuovo metodo è stato confrontato con i metodi di analisi statistica esistenti chiamati sabermetrics.

La ricerca è stata presentata in un documento intitolato “Utilizzo dell’apprendimento automatico per descrivere come i giocatori influenzano il gioco nella MLB”.

Basato su NLP e Computer Vision

L’approccio del team si è basato sui recenti progressi nel processing del linguaggio naturale e nella visione artificiale, e potrebbe avere grandi implicazioni per il modo in cui viene misurata l’influenza dei giocatori sul gioco.

Connor Heaton è un candidato al dottorato presso il College of IST.

Heaton afferma che i metodi esistenti si basano sul numero di volte in cui un giocatore o una squadra raggiunge un evento discreto, come colpire un fuoricampo. Tuttavia, questi metodi non considerano il contesto di ogni azione.

“Pensate a uno scenario in cui un giocatore ha registrato una singola nella sua ultima apparizione in battuta”, ha detto Heaton. “Potrebbe aver colpito una palla debole lungo la linea della terza base, avanzando un corridore dalla prima alla seconda base e battendo il lancio alla prima base, o colpito una palla in profondità nel campo sinistro e raggiunto la prima base comodamente, ma non aveva la velocità per spingere per una doppia. Descrivere entrambe le situazioni come ‘una singola’ è accurato, ma non racconta tutta la storia”.

Il Nuovo Modello

Il modello di Heaton si basa sull’apprendimento del significato degli eventi nel gioco, che è basato sull’impatto che hanno sul gioco e sul loro contesto. Il modello quindi considera il gioco come una sequenza di eventi per produrre rappresentazioni numeriche di come i giocatori influenzano il gioco.

“Spesso parliamo di baseball in termini di ‘questo giocatore ha avuto due singole e una doppia ieri’ o ‘è andato uno su quattro'”, ha detto Heaton. “Molti dei modi in cui parliamo del gioco riassumono gli eventi con una sola statistica riassuntiva. Il nostro lavoro sta cercando di avere un’immagine più olistica del gioco e di ottenere una descrizione più sfumata e computazionale di come i giocatori influenzano il gioco”.

Il nuovo metodo sfrutta le tecniche di modellazione sequenziale nel processing del linguaggio naturale per consentire ai computer di apprendere il significato di parole diverse. Heaton ha utilizzato questo metodo per insegnare al suo modello il significato degli eventi nel gioco di baseball, come un battitore che colpisce una singola. Il gioco è quindi stato modellato come una sequenza di eventi.

“L’impatto di questo lavoro è il framework che è stato proposto per quello che io chiamo ‘interrogare il gioco'”, ha detto Heaton. “Stiamo considerando il gioco come una sequenza all’interno di questo intero scaffale computazionale per modellare un gioco”.

Il modello è in grado di descrivere l’influenza di un giocatore sul gioco nel breve termine, e quando combinato con metodi tradizionali, può prevedere il vincitore di una partita con un’accuratezza superiore al 59%.

Addestramento del Modello

I ricercatori hanno addestrato il loro modello utilizzando dati precedentemente raccolti da sistemi installati negli stadi di baseball della lega maggiore. Questi sistemi tracciano informazioni dettagliate per ogni lancio, compresa la posizione dei giocatori, l’occupazione delle basi e la velocità del lancio. Sono stati utilizzati due tipi di dati. Il primo era il dato lancio per lancio, che ha aiutato ad analizzare informazioni come il tipo di lancio. Il secondo era il dato stagionale, utilizzato per indagare informazioni specifiche di posizione.

Ogni lancio all’interno del set di dati raccolto aveva tre caratteristiche principali, che erano il gioco specifico, il numero di turni di battuta all’interno del gioco e il numero di lanci all’interno del turno di battuta. Questi dati hanno consentito ai ricercatori di ricostruire la sequenza di eventi che compongono una partita di baseball della MLB.

Per descrivere gli eventi che si sono verificati, come si sono verificati e chi era coinvolto in ogni gioco, il team ha identificato 325 possibili cambi di gioco che potevano verificarsi quando un lancio viene lanciato. Ciò è stato quindi combinato con i dati esistenti e i record dei giocatori sono stati imputati.

Prasenjit Mitra è professore di scienze e tecnologie dell’informazione, nonché coautore del documento.

“Questo lavoro ha il potenziale per avanzare significativamente lo stato dell’arte nella sabermetrics”, ha detto il prof. Mitra. “A nostra conoscenza, siamo i primi a catturare e rappresentare uno stato sfumato del gioco e a utilizzare queste informazioni come contesto per valutare gli eventi individuali conteggiati dalle statistiche tradizionali – ad esempio, costruendo automaticamente un modello che comprende i momenti chiave e gli eventi cruciali”.