인공 지능
기계 학습 모델은 MLB 선수의 성과를 측정합니다.
Penn State College of Information Sciences and Technology의 연구원 팀은 야구 선수와 팀의 단기 및 장기 성과를 더 잘 측정할 수 있는 기계 학습 모델을 개발했습니다. 새로운 방법은 세이버메트릭스(Sabermetrics)라는 기존 통계 분석 방법과 비교하여 측정되었습니다.
이 연구는 "기계 학습을 사용하여 MLB에서 플레이어가 게임에 미치는 영향을 설명하는 방법"이라는 제목의 논문에서 발표되었습니다.
NLP와 컴퓨터 비전을 기반으로 구축
팀의 접근 방식은 자연어 처리 및 컴퓨터 비전의 최근 발전에 의존했으며, 이는 플레이어가 게임에 미치는 영향을 측정하는 방식에 큰 영향을 미칠 수 있습니다.
Connor Heaton은 IST 대학의 박사 과정 후보자입니다.
Heaton은 기존 방법 계열은 선수나 팀이 홈런을 치는 것과 같은 개별 이벤트를 달성하는 횟수에 의존한다고 말합니다. 이러한 방법은 각 작업의 컨텍스트를 고려하지 않습니다.
Heaton은 "한 선수가 마지막 타석에서 안타를 기록한 시나리오를 생각해 보십시오."라고 말했습니다. “그는 XNUMX루 라인 아래로 드리블을 쳐서 주자를 XNUMX루에서 XNUMX루로 전진시켜 XNUMX루로 던질 수도 있었고, 공을 왼쪽 깊숙한 곳으로 쳐서 XNUMX루에 편안하게 도달할 수도 있었지만 밀어붙일 속도가 없었습니다. 더블. 두 상황 모두 '싱글'로 귀결되는 것으로 설명하는 것은 정확하지만 전체 이야기를 말하지는 않습니다.”
새로운 모델
Heaton의 모델은 게임 내 이벤트가 게임과 컨텍스트에 미치는 영향을 기반으로 게임 내 이벤트의 의미를 학습하는 데 의존합니다. 그런 다음 모델은 게임을 일련의 이벤트로 보고 플레이어가 게임에 미치는 영향을 숫자로 표현합니다.
“우리는 종종 야구에 대해 '이 선수는 어제 XNUMX개의 단타와 XNUMX개의 XNUMX루타를 기록했습니다.'라는 식으로 이야기합니다. 또는 '그는 XNUMX명 중 XNUMX명을 선택했습니다.'라고 Heaton이 말했습니다. “우리가 게임에 대해 이야기하는 많은 방식은 하나의 요약 통계로 이벤트를 요약합니다. "우리 작업은 게임에 대한 보다 전체적인 그림을 그리고 플레이어가 게임에 미치는 영향에 대한 보다 미묘하고 계산적인 설명을 얻기 위해 노력하고 있습니다."
새로운 방법은 컴퓨터가 다른 단어의 의미를 학습할 수 있도록 NLP의 순차적 모델링 기술을 활용합니다. Heaton은 이를 사용하여 야구 경기에서 타자가 안타를 치는 것과 같은 이벤트의 의미를 그의 모델에 가르쳤습니다. 그런 다음 게임은 일련의 이벤트로 모델링되었습니다.
"이 작업의 영향은 내가 '게임 심문'이라고 부르는 것을 위해 제안된 프레임워크입니다."라고 Heaton은 말했습니다. "우리는 이것을 게임을 모델링하기 위한 이 전체 계산 스캐폴딩의 시퀀스로 보고 있습니다."
이 모델은 단기간에 플레이어가 게임에 미치는 영향을 설명할 수 있으며 기존 방법과 결합하면 59% 이상의 정확도로 게임의 승자를 예측할 수 있습니다.
모델 훈련
연구원들은 이전에 메이저 리그 야구 경기장에 설치된 시스템에서 수집한 데이터를 사용하여 모델을 훈련했습니다. 이 시스템은 선수 위치, 베이스 점유 및 피치 속도를 포함하여 각 피치에 대한 자세한 정보를 추적합니다. 두 가지 유형의 데이터가 사용되었습니다. 첫 번째는 투구 유형과 같은 정보를 분석하는 데 도움이 되는 투구별 데이터였습니다. 두 번째는 직책별 정보를 조사하는 데 사용되는 계절별 데이터였습니다.
수집된 데이터 세트 내의 각 투구에는 특정 게임, 게임 내 타석 번호, 타석 내 투구 등 세 가지 주요 기능이 있습니다. 이 데이터를 통해 연구자들은 MLB 게임을 구성하는 일련의 이벤트를 재구성할 수 있었습니다.
발생한 이벤트, 발생 방식 및 각 플레이에 관련된 사람을 설명하기 위해 팀은 투구를 던질 때 발생할 수 있는 325개의 가능한 게임 변경 사항을 식별했습니다. 그런 다음 기존 데이터와 결합되어 플레이어 기록이 귀속되었습니다.
Prasenjit Mitra는 정보 과학 및 기술 교수이자 논문의 공동 저자입니다.
Mitrae 교수는 "이 작업은 세이버메트릭스의 최첨단 기술을 크게 발전시킬 수 있는 잠재력을 가지고 있습니다."라고 말했습니다. “우리가 아는 한, 우리는 게임의 미묘한 상태를 캡처하고 표현하며 이 정보를 컨텍스트로 활용하여 기존 통계로 계산되는 개별 이벤트를 평가합니다. 중요한 순간과 클러치 이벤트를 이해합니다.”
