Umpire Scorecards 5/18/2021 CLE@LAA - 美國職棒

各位天使球迷(還有不是天使球迷)大家好，
今天要和大家介紹一個用python分析mlb好球資料的twitter，作者是美國的大學生，
此人主修統計和Computer Science，是國民隊的球迷，預計2024年會從
Boston University畢業。
他的Twitter每天會更新當日比賽的好球帶內容，也有解釋他的分析方法和一些常見
的問題: https://ethan-singer.com/articles/umpscorecards-faq.html
目前有7萬多人追蹤。


那我們就以昨天笑臉人@天使的球賽為例:
https://twitter.com/UmpScorecards/status/1395064487347200005


算出來其實對天使很不利，+1.03分for CLE，
可以說笑臉人比較善加利用了主審偏大且不穩定的好球帶；也間接證明了昨天Hedges
接得不錯。


根據主審Adam Hamari的好球帶，整場的準確率89%，好壞球辨認131/147正確。
整體一致性98%，有2/103顆球通過主審的既定好球帶，而沒有被判定為好球。


接下來並有描繪出主審的好球帶形狀，以及單場三顆最偏差的判決，皆是天使隊投球
及防守時所遭遇。
因為每位主審的判決習慣不一樣，實際上判決的好球帶，通常會是多邊形而不是等高、
等寬的四邊形。


但如果再跑還原好球帶，也就是等高、等寬的四邊形的話:
實際壞球判定準確率 91/103=88%。
實際好球判定準確率 40/44=91%。


因為小弟沒有寫程式語言的能力，這位Singer兄的能力到底怎麼樣，無從評論起；
但美國有不少這樣狂熱的球迷，讓人直接聯想到Moneyball裡面的情節，太熱血啦!
整個棒球產業裡面有各式各樣的人，從球探、管理階層、球員、數據分析師、教練、
防護員、訓練員，可以說為我們的工作和生活中增添不少樂趣和啟發。
希望各位都可以在球賽之中，找到自己的熱情所在。

--