Machine Learning Model Meet MLB-spelersprestaties

Een team van onderzoekers aan de Penn State College of Information Sciences and Technology heeft een machine learning-model ontwikkeld dat de prestaties van honkbalspelers en -teams op korte en lange termijn beter kan meten. De nieuwe methode werd gemeten tegen bestaande statistische analysemethoden, genaamd sabermetrics.

Het onderzoek werd gepresenteerd in een paper met de titel “Het gebruik van machine learning om te beschrijven hoe spelers de game in de MLB beïnvloeden”.

Voortbouwend op NLP en Computer Vision

De aanpak van het team was gebaseerd op recente vooruitgang in natuurlijke taalverwerking en computer vision, en het kan grote implicaties hebben voor de manier waarop de impact van een speler op het spel wordt gemeten.

Connor Heaton is een doctoraal kandidaat aan de College of IST.

Heaton zegt dat de bestaande familie van methoden afhankelijk is van het aantal keren dat een speler of team een discreet evenement bereikt, zoals het slaan van een homerun. Deze methoden nemen geen rekening met de context van elke actie.

“Denk aan een scenario waarin een speler een enkele slag in zijn laatste plate appearance heeft gemaakt”, zei Heaton. “Hij had een dribbel naar de derde honklijn kunnen slaan, een loper van het eerste naar het tweede honk kunnen laten gaan en de worp naar het eerste honk kunnen verslaan, of een bal naar het diepe linkerveld kunnen slaan en comfortabel naar het eerste honk kunnen komen, maar niet snel genoeg zijn om voor een dubbel te gaan. Het beschrijven van beide situaties als ‘een enkele slag’ is accuraat, maar vertelt niet het hele verhaal.”

Het Nieuwe Model

Heaton’s model is afhankelijk van het leren van de betekenis van gebeurtenissen in het spel, die gebaseerd is op de impact die ze op het spel hebben en hun context. Het model ziet het spel vervolgens als een reeks gebeurtenissen om numerieke voorstellingen te produceren van hoe spelers het spel beïnvloeden.

“We praten vaak over honkbal in termen van ‘deze speler had twee enkele slagen en een dubbel gisteren’ of ‘hij ging één voor vier'”, zei Heaton. “Veel van de manieren waarop we over het spel praten, zijn samenvattingen van de gebeurtenissen met één samenvattende statistiek. Ons werk probeert een meer holistisch beeld van het spel te geven en een meer nuance, computationele beschrijving van hoe spelers het spel beïnvloeden.”

De nieuwe methode maakt gebruik van sequentiële modelleringstechnieken in NLP om computers in staat te stellen de betekenis van verschillende woorden te leren. Heaton gebruikte dit om zijn model de betekenis van gebeurtenissen in het honkbal te leren, zoals een slagman die een enkele slag slaat. Het spel werd vervolgens gemodelleerd als een reeks gebeurtenissen.

“De impact van dit werk is het raamwerk dat wordt voorgesteld voor wat ik ‘het ondervragen van het spel’ noem”, zei Heaton. “We zien het als een reeks in deze hele computationele scaffolding om een spel te modelleren.”

Het model kan de invloed van een speler op het spel over de korte termijn beschrijven, en wanneer het wordt gecombineerd met traditionele methoden, kan het de winnaar van een spel met meer dan 59% nauwkeurig voorspellen.

Trainen van het Model

De onderzoekers trainden hun model door gebruik te maken van gegevens die eerder waren verzameld uit systemen die in honkbalstadions waren geïnstalleerd. Deze systemen volgen gedetailleerde informatie voor elke worp, inclusief spelerpositie, bezetting van de honken en worpsnelheid. Twee soorten gegevens werden gebruikt. De eerste was pitch-per-pitch-gegevens, die hielpen bij het analyseren van informatie zoals worptype. De tweede was seizoensgegevens, die werden gebruikt om positie-specifieke informatie te onderzoeken.

Elke worp in de verzamelde dataset had drie belangrijke kenmerken, namelijk het specifieke spel, het nummer van de slag binnen het spel en het nummer van de worp binnen de slag. Deze gegevens stelden de onderzoekers in staat om de reeks gebeurtenissen te reconstrueren die een MLB-spel vormen.

Om de gebeurtenissen te beschrijven die plaatsvonden, hoe ze plaatsvonden en wie er bij elke play betrokken was, identificeerde het team 325 mogelijke spelveranderingen die konden optreden wanneer een worp werd gegooid. Dit werd vervolgens gecombineerd met bestaande gegevens en spelerrecords werden ingevuld.

Prasenjit Mitra is professor in de informatie- en technologie wetenschappen, evenals co-auteur van het paper.

“Dit werk heeft het potentieel om de staat van de kunst in sabermetrics aanzienlijk te verbeteren”, zei prof. Mitra. “Volgens onze kennis is ons werk het eerste dat een genuanceerde staat van het spel vastlegt en deze informatie gebruikt als context om de individuele gebeurtenissen te evalueren die door traditionele statistieken worden geteld – bijvoorbeeld door automatisch een model te bouwen dat key moments en clutch events begrijpt.”