მანქანათმცოდნეობის მოდელი ზომავს MLB მოთამაშეების ეფექტურობას

პენის შტატის საინფორმაციო მეცნიერებათა და ტექნოლოგიების კოლეჯის მკვლევართა ჯგუფმა შეიმუშავა მანქანათმცოდნეობის მოდელი, რომელიც უკეთ გაზომავს ბეისბოლის მოთამაშეებისა და გუნდების მოკლე და გრძელვადიან შესრულებას. ახალი მეთოდი გაზომილი იქნა არსებული სტატისტიკური ანალიზის მეთოდებთან, რომელსაც საბერმეტრია ჰქვია.

კვლევა წარმოდგენილი იყო ნაშრომში სათაურით „მანქანური სწავლების გამოყენება აღწერს, თუ როგორ ახდენენ მოთამაშეები ზემოქმედებას თამაშზე MLB-ში“. 

აგებულია NLP-ზე და კომპიუტერულ ხედვაზე

გუნდის მიდგომა ეყრდნობოდა ბოლოდროინდელ მიღწევებს ბუნებრივი ენის დამუშავებასა და კომპიუტერულ ხედვაში და მას შეიძლება ჰქონდეს დიდი გავლენა თამაშზე მოთამაშის გავლენის გაზომვის გზაზე. 

კონორ ჰიტონი არის ისტ-ის კოლეჯის დოქტორანტი. 

ჰიტონი ამბობს, რომ მეთოდების არსებული ოჯახი ეყრდნობა იმ რაოდენობას, რამდენჯერაც მოთამაშე ან გუნდი მიაღწევს დისკრეტულ მოვლენას, როგორიც არის სახლის გაშვება. ეს მეთოდები ვერ ითვალისწინებს თითოეული მოქმედების კონტექსტს. 

"დაფიქრდით სცენარზე, რომელშიც მოთამაშემ ჩაწერა სინგლი თავის ბოლო ფირფიტაზე", - თქვა ჰიტონმა. მას შეეძლო დრიბლინგის დარტყმა მესამე საბაზისო ხაზის ქვემოთ, მორბენალი პირველიდან მეორემდე დაწინაურებით და სროლა პირველამდე, ან ბურთის დარტყმა მარცხენა ღრმა მინდორში და კომფორტულად მიაღწია პირველ ბაზას, მაგრამ არ გააჩნდა სიჩქარე. ორმაგი. ორივე სიტუაციის აღწერა, როგორც „ერთის“ შედეგი, ზუსტია, მაგრამ არ მოგვითხრობს მთელ ამბავს“.

ახალი მოდელი

ჰიტონის მოდელი ეყრდნობა თამაშში არსებული მოვლენების მნიშვნელობის შესწავლას, რაც ეფუძნება მათ გავლენას თამაშზე და მათ კონტექსტზე. შემდეგ მოდელი თამაშს განიხილავს, როგორც მოვლენათა თანმიმდევრობას, რათა გამოსცეს რიცხვითი წარმოდგენები იმის შესახებ, თუ როგორ მოქმედებენ მოთამაშეები თამაშზე.

"ჩვენ ხშირად ვსაუბრობთ ბეისბოლზე იმ თვალსაზრისით, რომ "ამ მოთამაშეს გუშინ ორი სინგლი და დუბლი ჰქონდა". ან "ის წავიდა ერთი ოთხზე", - თქვა ჰიტონმა. „ბევრი გზა, რომლითაც ჩვენ ვსაუბრობთ თამაშზე, აჯამებს მოვლენებს ერთი შემაჯამებელი სტატისტიკით. "ჩვენი ნამუშევარი ცდილობს თამაშის უფრო ჰოლისტიკური სურათის გადაღებას და უფრო ნიუანსური, გამოთვლითი აღწერილობის მიღებას იმის შესახებ, თუ როგორ ახდენენ მოთამაშეები ზემოქმედებას თამაშზე." 

ახალი მეთოდი იყენებს თანმიმდევრული მოდელირების ტექნიკას NLP-ში, რათა კომპიუტერებმა შეძლონ სხვადასხვა სიტყვების მნიშვნელობის სწავლა. ჰიტონმა გამოიყენა ეს იმისთვის, რომ ასწავლიდა თავის მოდელს ბეისბოლის თამაშში მომხდარი მოვლენების მნიშვნელობა, მაგალითად, სინგლის დარტყმა. შემდეგ თამაში მოდელირებული იყო, როგორც მოვლენების თანმიმდევრობა. 

„ამ ნამუშევრის გავლენა არის ჩარჩო, რომელიც შემოთავაზებულია იმისთვის, რასაც მე მინდა ვუწოდო „თამაშის დაკითხვა“, - თქვა ჰიტონმა. „ჩვენ მას ვუყურებთ, როგორც თანმიმდევრობას მთელი ამ გამოთვლითი ხარაჩოში თამაშის მოდელირებისთვის“. 

მოდელს შეუძლია მოკლევადიან პერსპექტივაში აღწეროს მოთამაშის გავლენა თამაშზე და ტრადიციულ მეთოდებთან შერწყმისას მას შეუძლია 59%-ზე მეტი სიზუსტით იწინასწარმეტყველოს თამაშის გამარჯვებული. 

მოდელის სწავლება 

მკვლევარებმა მოამზადეს თავიანთი მოდელი ძირითადი ლიგის ბეისბოლის სტადიონებზე დაყენებული სისტემებიდან ადრე შეგროვებული მონაცემების გამოყენებით. ეს სისტემები აკონტროლებენ დეტალურ ინფორმაციას თითოეული მოედანისთვის, მოთამაშის პოზიციონირების, ბაზის დაკავებისა და მოედნის სიჩქარის ჩათვლით. გამოყენებული იქნა ორი ტიპის მონაცემები. პირველი იყო pitch-by-pitch მონაცემები, რაც დაეხმარა ინფორმაციის გაანალიზებას, როგორიცაა pitch type. მეორე იყო სეზონური მონაცემები, რომელიც გამოიყენებოდა პოზიციის სპეციფიკური ინფორმაციის გამოსაკვლევად. 

შეგროვებული მონაცემთა ნაკრების თითოეულ სიმაღლეს ჰქონდა სამი ძირითადი მახასიათებელი, ეს იყო კონკრეტული თამაში, at-bat ნომერი თამაშის შიგნით და pitch ნომერი at-bat-ში. ამ მონაცემებმა მკვლევარებს საშუალება მისცა აღედგინათ მოვლენების თანმიმდევრობა, რომლებიც ქმნიან MLB თამაშს. 

მომხდარი მოვლენების აღსაწერად, როგორ მოხდა ისინი და ვინ იყო ჩართული თითოეულ თამაშში, გუნდმა გამოავლინა 325 შესაძლო თამაშის ცვლილება, რომელიც შეიძლება მოხდეს მოედნის სროლისას. შემდეგ ეს გაერთიანდა არსებულ მონაცემებთან და მოთამაშის ჩანაწერები აითვისა.

პრასენჯიტ მიტრა არის საინფორმაციო მეცნიერებებისა და ტექნოლოგიების პროფესორი, ასევე ნაშრომის თანაავტორი. 

„ამ ნამუშევარს აქვს პოტენციალი, მნიშვნელოვნად გააუმჯობესოს საბერმეტრიის თანამედროვე დონეები“, - თქვა პროფესორმა მიტრაემ. „ჩვენი ცოდნით, ჩვენ პირველია, ვინც აღბეჭდავს და წარმოადგენს თამაშის ნიუანსურ მდგომარეობას და იყენებს ამ ინფორმაციას, როგორც კონტექსტს ინდივიდუალური მოვლენების შესაფასებლად, რომლებიც ითვლება ტრადიციული სტატისტიკით - მაგალითად, მოდელის ავტომატურად აშენებით. ესმის ძირითადი მომენტები და კლატჩის მოვლენები.