マシンラーニングモデルがMLBプレーヤーのパフォーマンスを測定する

ペンシルベニア州立大学情報科学技術大学院の研究者チームは、野球プレーヤーとチームの短期的および長期的なパフォーマンスをよりよく測定できるマシンラーニングモデルを開発しました。この新しい方法は、既存の統計分析方法であるセイバーメトリクスと比較されました。

この研究は、「マシンラーニングを使用してMLBでプレーヤーがゲームに与える影響を説明する」と題された論文で発表されました。

NLPとコンピュータビジョンを基盤として

チームのアプローチは、最近の自然言語処理とコンピュータビジョンの進歩に依存しており、プレーヤーのゲームへの影響を測定する方法に大きな影響を与える可能性があります。

コナー・ヒートンは、IST大学院の博士課程の学生です。

ヒートンは、既存の方法は、プレーヤーまたはチームが特定のイベント（例：ホームラン）を達成する回数に依存しているが、各アクションのコンテキストを考慮していないと述べています。

「シナリオを考えてみましょう。プレーヤーが最後の打席でシングルヒットを打ったとします。彼は、三塁線に沿ってボールを打ってランナーを一塁から二塁に進め、一塁への送球を避けて一塁に達したか、または左翼への深い飛球を打って一塁に楽に達したが、ダブルを狙うには十分なスピードがなかったかもしれません。両方の状況を『シングル』と表現することは正確ですが、全貌を表していません。」

新しいモデル

ヒートンのモデルは、ゲーム内のイベントの意味を学習することによって機能し、その意味は、イベントがゲームに与える影響とコンテキストに基づいています。モデルは、ゲームをイベントのシーケンスとして見なし、プレーヤーがゲームに与える影響の数値表現を出力します。

「私たちは、野球について『このプレーヤーは昨日2つのシングルと1つのダブルを打った』または『彼は4打数1安打』と話します。ゲームについて話す多くの方法は、イベントを1つの要約統計でまとめることです。私たちの研究は、ゲームのより包括的な絵を描き、プレーヤーがゲームに与える影響についてより微妙で計算可能な説明を得ることを目指しています。」

新しい方法は、NLPの順序モデリング技術を利用して、コンピューターが異なる単語の意味を学習できるようにします。ヒートンは、この技術を使用して、モデルに野球ゲーム内のイベント（例：バッターがシングルヒットを打つ）の意味を教えました。ゲームはイベントのシーケンスとしてモデル化されました。

「この研究の影響は、私が『ゲームの探究』と呼ぶフレームワークです。私たちは、ゲームをシーケンスとして見なし、計算的なスキャフォールディングでモデル化しています。」

モデルは、プレーヤーの短期的な影響を説明できます。また、従来の方法と組み合わせると、ゲームの勝者を59%以上の精度で予測できます。

モデルのトレーニング

研究者は、メジャーリーグベースボールスタジアムに設置されたシステムから収集されたデータを使用してモデルをトレーニングしました。これらのシステムは、各ピッチの詳細な情報を追跡します。ピッチの種類、ベースの占有状況、投球速度などです。2種類のデータが使用されました。1つは、ピッチごとのデータで、ピッチの種類などの情報を分析するのに役立ちました。もう1つは、シーズンごとのデータで、ポジション固有の情報を調査するのに使用されました。

収集されたデータセット内の各ピッチには、3つの主要な特徴がありました。特定のゲーム、ゲーム内の打席番号、打席内のピッチ番号でした。このデータにより、研究者はMLBゲームを構成するイベントのシーケンスを再構築することができました。

各プレイで何が起こったか、どのように起こったか、誰が関与したかを説明するために、チームは、投球ごとに起こり得る325のゲーム変更を特定しました。これは、既存のデータと組み合わせられ、プレーヤーの記録が推定されました。

プラセンジット・ミトラは、情報科学技術の教授であり、論文の共同著者です。

「この研究は、セイバーメトリクスの現状を大幅に進歩させる可能性があります。私たちの知る限り、ゲームの微妙な状態を捉え、伝統的な統計で数えられる個々のイベントを評価するコンテキストとしてこの情報を使用する最初の研究です。たとえば、重要な瞬間やクランチイベントを理解するモデルを自動的に構築することによって。」