Моделот за машинско учење ги мери перформансите на играчите на MLB

Тим истражувачи од колеџот за информатички науки и технологија Пен Стејт разви модел на машинско учење кој може подобро да ги мери краткорочните и долгорочните перформанси на безбол играчите и тимовите. Новиот метод беше измерен според постоечките методи на статистичка анализа наречени саберметрија.

Истражувањето беше претставено во труд со наслов „Користење на машинско учење за да се опише како играчите влијаат на играта во MLB“. 

Градење на НЛП и компјутерска визија

Пристапот на тимот се потпира на неодамнешниот напредок во обработката на природниот јазик и компјутерската визија и може да има големи импликации за начинот на кој се мери влијанието на играчот врз играта. 

Конор Хитон е докторант на Колеџот за ИСТ. 

Хитон вели дека постоечката фамилија на методи се потпира на бројот на пати кога играчот или тимот постигнува дискретен настан, како што е удирање дома. Овие методи не го земаат предвид контекстот на секоја акција. 

„Размислете за сценарио во кое играчот снимил сингл при неговото последно појавување на плочата“, рече Хитон. „Тој можеше да погоди дриблин по третата основна линија, да напредува тркач од прва на втора и да го победи ударот кон прво, или да удри топка во длабокото лево поле и удобно да стигне до првата база, но немаше брзина да притисне за двојник. Опишувањето на двете ситуации како резултат на „сингл“ е точно, но не ја кажува целата приказна“.

Новиот модел

Моделот на Хитон се потпира на учење на значењето на настаните во играта, што се заснова на влијанието што тие го имаат врз играта и нивниот контекст. Потоа, моделот ја гледа играта како низа од настани за да даде нумерички претстави за тоа како играчите влијаат на играта.

„Често зборуваме за бејзбол во смисла на „овој играч вчера имаше два сингл и дубл“. или „одеше еден за четири“, рече Хитон. „Многу начини на кои зборуваме за играта само ги сумираат настаните со една сумирана статистика. „Нашата работа се обидува да направи похолистичка слика за играта и да добие понијансиран, пресметковен опис за тоа како играчите влијаат на играта. 

Новиот метод користи техники за секвенцијално моделирање во НЛП за да им овозможи на компјутерите да го научат значењето на различни зборови. Хитон го искористил ова за да го научи својот модел за значењето на настаните во бејзбол натпреварот, како на пример удар со удар во сингл. Играта потоа беше моделирана како низа на настани. 

„Влијанието на оваа работа е рамката што се предлага за она што сакам да го наречам „испрашување на играта“, рече Хитон. „Го гледаме тоа како секвенца во целото ова пресметковно скеле за моделирање на игра“. 

Моделот може да го опише влијанието на играчот врз играта на краток рок, а кога се комбинира со традиционалните методи, може да го предвиди победникот на играта со прецизност од над 59%. 

Тренирање на моделот 

Истражувачите го тренираа нивниот модел користејќи податоци претходно собрани од системи инсталирани на стадионите за бејзбол на големите лиги. Овие системи следат детални информации за секој терен, вклучувајќи го позиционирањето на играчите, зафатеноста на базата и брзината на теренот. Користени се два вида податоци. Првиот беше податок од чекор по чекор, што помогна да се анализираат информациите како тип на глас. Вториот беа податоци од сезона по сезона, кои се користат за истражување на информации специфични за позицијата. 

Секоја висина во рамките на собраната база на податоци имаше три главни карактеристики, кои беа специфичната игра, бројот на at-bat во играта и бројот на теренот во рамките на at-bat. Овие податоци им овозможија на истражувачите да ја реконструираат низата на настани што ја сочинуваат играта MLB. 

За да ги опише настаните што се случија, како тие се случија и кој беше вклучен во секоја игра, тимот идентификуваше 325 можни промени на играта што може да се случат кога ќе се фрли терен. Ова потоа беше комбинирано со постојните податоци, а записите на играчите беа импутирани.

Прасенјит Митра е професор по информатички науки и технологија, како и коавтор на трудот. 

„Ова дело има потенцијал значително да ја унапреди состојбата на уметноста во саберметријата“, рече проф. Митрае. „Според нашето најдобро знаење, нашата е првата што ја доловува и претставува нијансираната состојба на играта и ги користи овие информации како контекст за евалуација на поединечните настани што се бројат од традиционалната статистика - на пример, со автоматско градење на модел кој ги разбира клучните моменти и настаните на спојката“.