机器学习模型衡量MLB球员表现

宾夕法尼亚州立大学信息科学与技术学院的研究团队开发了一种机器学习模型，可以更好地衡量棒球球员和球队的短期和长期表现。这种新方法与现有的统计分析方法sabermetrics相比。

该研究发表在一篇题为“使用机器学习描述MLB球员对比赛的影响”的论文中。

基于NLP和计算机视觉

该团队的方法依赖于自然语言处理和计算机视觉的最新进展，它可能会对球员对比赛的影响的衡量方式产生重大影响。

Connor Heaton是信息科学与技术学院的博士生。

Heaton说，现有的方法家族依赖于球员或球队实现离散事件的次数，例如击出全垒打。这些方法没有考虑到每个动作的背景。

“想象一个场景，球员在最后一次打击中击出一支安打，”Heaton说。“他可能击出一支沿着三垒线滚动的球，推进一名跑垒员从一垒到二垒，并且比第一垒的投球快，或者击出一支深入左外野的球，轻松到达一垒，但没有足够的速度去争取二垒。将两种情况都描述为‘一支安打’是准确的，但并没有讲述整个故事。”

新模型

Heaton的模型依赖于学习比赛中事件的含义，这是基于它们对比赛的影响和背景。然后，该模型将比赛视为一系列事件，以输出球员对比赛影响的数字表示。

“我们经常用‘这个球员昨天有两个一垒打和一个二垒打’或‘他四打一’来谈论棒球，”Heaton说。“我们谈论比赛的很多方式只是用一个总结性统计数据来总结事件。我们的工作是试图对比赛有一个更全面的理解，并获得对球员对比赛影响的更细致、更计算性的描述。”

这种新方法利用了NLP中的序列建模技术，使计算机能够学习不同词语的含义。Heaton使用这种方法来教他的模型了解棒球比赛中事件的含义，例如击出一支安打。然后，比赛被建模为一系列事件。

“这项工作的影响是我们提出的‘审问比赛’的框架，”Heaton说。“我们将其视为一个序列，在整个计算框架中建模比赛。”

该模型能够描述球员在短期内对比赛的影响，当与传统方法结合使用时，它可以预测比赛的获胜者，准确率超过59%。

训练模型

研究人员通过使用在大联盟棒球场馆安装的系统之前收集的数据来训练他们的模型。这些系统跟踪每个投球的详细信息，包括球员位置、垒占有率和投球速度。使用了两种类型的数据。第一种是投球数据，帮助分析投球类型等信息。第二种是赛季数据，用于调查位置特定信息。

收集的数据集中的每个投球都有三个主要特征，即具体的比赛、比赛中的打击次数和打击中的投球次数。这些数据使研究人员能够重现MLB比赛中的事件序列。

为了描述发生的事件、事件的发生方式以及每次比赛中涉及的球员，团队确定了325种可能的游戏变化，当投球时可以发生。然后将其与现有数据相结合，并对球员记录进行了插补。

Prasenjit Mitra是信息科学与技术教授，也是论文的共同作者。

“这项工作有可能显著推进sabermetrics的现有水平，”Mitra教授说。“据我们所知，我们的工作是第一个捕获和表示比赛的细致状态，并利用这些信息作为上下文来评估传统统计数据中计算的个别事件——例如，通过自动构建一个理解关键时刻和关键事件的模型。”