Makine Öğrenimi Modeli, MLB Oyuncularının Performanslarını Ölçüyor

Penn State Bilgi Bilimleri ve Teknolojisi Koleji'ndeki bir araştırmacı ekibi, beyzbol oyuncularının ve takımlarının kısa ve uzun vadeli performansını daha iyi ölçebilecek bir makine öğrenme modeli geliştirdi. Yeni yöntem, sabermetrics adı verilen mevcut istatistiksel analiz yöntemleriyle karşılaştırılarak ölçüldü.

Araştırma, "Oyuncuların MLB'de Oyunu Nasıl Etkilediğini Açıklamak İçin Makine Öğrenimini Kullanmak" başlıklı bir makalede sunuldu. 

NLP ve Bilgisayarlı Görmeyi Temel Almak

Ekibin yaklaşımı, doğal dil işleme ve bilgisayar görüşündeki son gelişmelere dayanıyordu ve bu, oyuncunun oyun üzerindeki etkisinin ölçülme şekli üzerinde büyük etkilere sahip olabilir. 

Connor Heaton, IST Koleji'nde doktora adayıdır. 

Heaton, mevcut yöntem ailesinin, bir oyuncunun veya takımın, bir home run'u vurmak gibi ayrı bir olayı başarma sayısına dayandığını söylüyor. Bu yöntemler, her eylemin bağlamını dikkate almaz. 

Heaton, "Bir oyuncunun son plak görünümünde bir single kaydettiği bir senaryo düşünün," dedi. "Üçüncü temel çizgiden aşağı dripling yaparak bir koşucuyu birinciden ikinciye ilerletebilir ve birinciye atışı geçebilirdi veya derin sol sahaya bir topa vurabilir ve ilk kaleye rahatça ulaşabilirdi, ancak onu itecek hıza sahip değildi. Bir çift. Her iki durumu da 'tek' ile sonuçlanacak şekilde tanımlamak doğrudur, ancak tüm hikayeyi anlatmaz.

Yeni Model

Heaton'ın modeli, oyun ve bağlamları üzerindeki etkilerine dayanan oyun içi olayların anlamını öğrenmeye dayanır. Model daha sonra oyunu, oyuncuların oyunu nasıl etkilediğinin sayısal temsillerini çıkarmak için bir olaylar dizisi olarak görür.

“Beyzbol hakkında sık sık 'bu oyuncunun dün iki tek ve bir çift maçı vardı' şeklinde konuşuruz. veya "dörde bir gitti" dedi Heaton. "Oyun hakkında konuştuğumuz birçok yol, olayları tek bir özet istatistikle özetliyor. "Çalışmamız, oyunun daha bütünsel bir resmini çekmeye ve oyuncuların oyunu nasıl etkilediğine dair daha incelikli, hesaplamalı bir açıklama elde etmeye çalışıyor." 

Yeni yöntem, bilgisayarların farklı kelimelerin anlamlarını öğrenmesini sağlamak için NLP'deki sıralı modelleme tekniklerinden yararlanır. Heaton bunu, modeline beysbol maçındaki olayların anlamını öğretmek için kullandı, örneğin bir vurucunun tek vuruş yapması gibi. Oyun daha sonra bir olaylar dizisi olarak modellendi. 

Heaton, "Bu çalışmanın etkisi, 'oyunu sorgulamak' dediğim şey için önerilen çerçevedir" dedi. "Bir oyunu modellemek için tüm bu hesaplama iskelesinde bir dizi olarak görüyoruz." 

Model, kısa vadede bir oyuncunun oyun üzerindeki etkisini tanımlayabilir ve geleneksel yöntemlerle birleştirildiğinde, bir oyunun galibini %59'un üzerinde doğrulukla tahmin edebilir. 

Modeli Eğitmek 

Araştırmacılar, daha önce büyük lig beyzbol stadyumlarında kurulu sistemlerden toplanan verileri kullanarak modellerini eğitti. Bu sistemler, oyuncu konumlandırması, üs doluluğu ve saha hızı dahil olmak üzere her saha için ayrıntılı bilgileri takip eder. İki tür veri kullanılmıştır. İlki, adım adım verilerdi ve bu, adım türü gibi bilgilerin analiz edilmesine yardımcı oluyordu. İkincisi, konuma özgü bilgileri araştırmak için kullanılan sezon bazında verilerdi. 

Toplanan veri kümesindeki her adımın üç ana özelliği vardı; bunlar, belirli oyun, oyun içindeki vuruş sayısı ve vuruş sayısı içindeki adım sayısıydı. Bu veriler, araştırmacıların bir MLB oyununu oluşturan olayların sırasını yeniden oluşturmasını sağladı. 

Meydana gelen olayları, nasıl meydana geldiklerini ve her oyunda kimin yer aldığını açıklamak için ekip, bir atış yapıldığında meydana gelebilecek 325 olası oyun değişikliği belirledi. Bu daha sonra mevcut verilerle birleştirildi ve oyuncu kayıtları empoze edildi.

Prasenjit Mitra, bilgi bilimleri ve teknolojisi profesörü ve aynı zamanda makalenin ortak yazarıdır. 

Prof. Mitrae, "Bu çalışma, sabermetride en son teknolojiyi önemli ölçüde ilerletme potansiyeline sahip" dedi. "Bildiğimiz kadarıyla, oyunun incelikli bir durumunu yakalayıp temsil eden ve bu bilgiyi geleneksel istatistikler tarafından sayılan bireysel olayları değerlendirmek için bağlam olarak kullanan ilk kişi bizimki. önemli anları ve önemli olayları anlıyor.”