嘗試以機器學習排出P+前三隊 - 籃球

By Charlie
at 2022-07-08T10:44

Table of Contents

感謝大大有趣的文～
剛看了下UCLA論文後有幾個機器學習的問題想問，因文長用回文形式，若不適合本版我再刪
文

1. 關於features數目，原論文似乎自己挑18個數據，把一些數據如總籃板數、失誤（他們?
得失誤比較無法顯示好壞表現）等拿掉

而原po似乎是遠多於18再用2次降維方式後再K-Mean

不過論文看起來他們只是拿降維後的做2D visual而已（下圖）

https://i.imgur.com/XbFWIRD.jpg

拿去K-Mean的是沒降維的，畢竟只有18維。這邊或許可以自己挑出類似features，才不會太
雜亂數據影響。

以下是他們選的

https://i.imgur.com/pYlMp8f.jpg

2. 論文最後是有說到其實「每個群是類似的」

如下圖, 每個群跟隊伍排名的線性關係p-value都很大（p-value 越大信心程度很小）

https://i.imgur.com/nx3TZqw.jpg

“This suggests that there is no relationship between how good a team is and mem
bership in a particular cluster. “

就是幾乎沒關係的意思

文中提到重點是「離每個分群質心的距離」才能顯現好壞球員，例如在x群中的離x群的中心
越遠，則球員越猛

https://i.imgur.com/FZ7CUxK.jpg

可看到p-value才0.02左右（0.98的信心）

簡言之，如果直接拿每個群當成一二三隊似乎不適合，可能用與跟質心的距離排出各個球員
才比較好。

而原PO現在分群中的第一隊，可能有些人是比較靠近質心，有些人則是遠離質心，比較好的
式可以多列出他們與質心的距離，越大則是越厲害

不過上述都是建立在你是follow這論文的作法，如果你有修改的話可能就不是我上述所說的
一樣了。

話說我也可能有錯，只是小弟的一些看法，歡迎指正。

發此文的用意只在推崇科學與運動的結合，很感動台籃版越來越活絡，也感謝原PO的effort

----
Sent from BePTT on my iPhone 7

--

Tags: 籃球

All Comments

By Dorothy
at 2022-07-04T10:30

推推

By Barb Cronin
at 2022-07-08T19:39

推，大力推！

By Thomas
at 2022-07-04T10:30

推

By Olive
at 2022-07-08T19:39

推這篇

By Andrew
at 2022-07-04T10:30

i7 原po手機好能撐

By Yedda
at 2022-07-08T19:39

最近才從6s剛換成7 二手而已，小弟常摔手機，摔到
才不會心痛XD

By Doris
at 2022-07-04T10:30

所以這篇是用分群去界定一二三隊的範圍，然後根據
分群去找跟勝場有最高度相關的球員？

By Sarah
at 2022-07-08T19:39

推

By Eartha
at 2022-07-04T10:30

推整理，很清楚！

By Margaret
at 2022-07-08T19:39

好文

By Jake
at 2022-07-04T10:30

很好有文獻探討也有引用

By Mary
at 2022-07-08T19:39

有點意思

By Rae
at 2022-07-04T10:30

看來台籃板也是一堆ML的高手

By Elvira
at 2022-07-08T19:39

每個群裡的球員代表場上表現類似但越遠離群中心
的球員（離群）代表有較群裡他人不一樣的表現

By Victoria
at 2022-07-04T10:30

好像有些字被吃掉了？像第一點：覺得

By Caroline
at 2022-07-08T19:39

感謝原po用心幫我找問題所在！關於第一點我去年也是
只有使用傳統數據，跑出來結果合理但又覺得沒什麼代
表性，今年才野心比較大想增加features，結果還無法
掌握好xD第二點我還真的忘記去試了，雖然我有修改做
法，但或許與質心距離也會是我系統中的key point，
我會再想想怎麼實現和應用，最後再感謝原po一次！！