Modelo de Aprendizado de Máquina Mede o Desempenho dos Jogadores de Beisebol da MLB

Uma equipe de pesquisadores da Faculdade de Ciências e Tecnologia da Informação da Universidade Estadual da Pensilvânia desenvolveu um modelo de aprendizado de máquina que pode medir melhor o desempenho a curto e longo prazo dos jogadores e times de beisebol. O novo método foi medido contra métodos estatísticos existentes chamados sabermetrics.

A pesquisa foi apresentada em um artigo intitulado “Usando Aprendizado de Máquina para Descrever como os Jogadores Impactam o Jogo na MLB.”

Construído em NLP e Visão Computacional

A abordagem da equipe dependia de avanços recentes em processamento de linguagem natural e visão computacional, e pode ter grandes implicações para a forma como o impacto do jogador no jogo é medido.

Connor Heaton é um candidato a doutorado na Faculdade de IST.

Heaton afirma que a família existente de métodos depende do número de vezes que um jogador ou time alcança um evento discreto, como acertar um home run. Esses métodos não consideram o contexto de cada ação.

“Pense em um cenário em que um jogador registrou um simples em sua última aparição no prato,” disse Heaton. “Ele pode ter acertado uma bola rastejante na linha da terceira base, avançando um corredor da primeira para a segunda base e superando a jogada para a primeira base, ou acertou uma bola para o campo esquerdo profundo e alcançou a primeira base confortavelmente, mas não teve velocidade para tentar um duplo. Descrever ambas as situações como resultando em ‘um simples’ é preciso, mas não conta a história toda.”

O Novo Modelo

O modelo de Heaton depende de aprender o significado dos eventos dentro do jogo, que é baseado no impacto que eles têm no jogo e no contexto. O modelo então vê o jogo como uma sequência de eventos para produzir representações numéricas de como os jogadores impactam o jogo.

“Muitas vezes falamos sobre beisebol em termos de ‘esse jogador teve dois simples e um duplo ontem’ ou ‘ele foi um para quatro,” disse Heaton. “Muitas das maneiras pelas quais falamos sobre o jogo resumem os eventos com uma única estatística resumida. Nosso trabalho está tentando obter uma visão mais holística do jogo e obter uma descrição mais matizada e computacional de como os jogadores impactam o jogo.”

O novo método aproveita técnicas de modelagem sequencial em NLP para permitir que os computadores aprendam o significado de diferentes palavras. Heaton usou isso para ensinar seu modelo o significado dos eventos no jogo de beisebol, como um rebatedor acertar um simples. O jogo foi então modelado como uma sequência de eventos.

“O impacto desse trabalho é o quadro que é proposto para o que eu gosto de chamar de ‘interrogar o jogo,’” disse Heaton. “Estamos vendo como uma sequência nessa estrutura computacional para modelar um jogo.”

O modelo é capaz de descrever a influência de um jogador no jogo a curto prazo, e quando combinado com métodos tradicionais, pode prever o vencedor de um jogo com mais de 59% de precisão.

Treinando o Modelo

Os pesquisadores treinaram seu modelo usando dados coletados anteriormente de sistemas instalados em estádios de beisebol da liga principal. Esses sistemas rastreiam informações detalhadas para cada arremesso, incluindo a posição do jogador, a ocupação da base e a velocidade do arremesso. Dois tipos de dados foram usados. O primeiro foi o dado de arremesso por arremesso, que ajudou a analisar informações como o tipo de arremesso. O segundo foi o dado de temporada por temporada, usado para investigar informações específicas de posição.

Cada arremesso dentro do conjunto de dados coletado tinha três recursos principais, que eram o jogo específico, o número de aparição no prato dentro do jogo e o número de arremesso dentro da aparição no prato. Esses dados permitiram que os pesquisadores reconstruíram a sequência de eventos que compõem um jogo da MLB.

Para descrever os eventos que ocorreram, como eles ocorreram e quem estava envolvido em cada jogada, a equipe identificou 325 possíveis mudanças de jogo que poderiam ocorrer quando um arremesso é lançado. Isso foi então combinado com dados existentes e os registros dos jogadores foram imputados.

Prasenjit Mitra é professor de ciências e tecnologia da informação, bem como coautor do artigo.

“Esse trabalho tem o potencial de avançar significativamente o estado da arte em sabermetrics,” disse o professor Mitra. “Para o melhor do nosso conhecimento, o nosso é o primeiro a capturar e representar um estado nuances do jogo e utilizar essas informações como contexto para avaliar os eventos individuais que são contados por estatísticas tradicionais – por exemplo, construindo automaticamente um modelo que entende momentos-chave e eventos decisivos.”