Conceitos essenciais
バスケットボールのオフェンスにおける選手のプレースタイルと相性を定量的に分析する。
Resumo
この研究は、バスケットボールにおいて、選手間のプレースタイルの相性が得点効率に与える影響を特定することを目的としています。研究では、トラッキングデータを使用してシューティングスタイルのクラスタリングとアドバンスト統計情報を用いたオフェンシブロールのクラスタリングを行いました。さらに、これらのクラスタリング結果から派生したラインナップ情報を機械学習モデルで解釈し、得点効率を予測しました。
Introduction
バスケットボールにおける得点効率は重要であり、異なるプレースタイルを持つ選手同士が効果的に連携する必要がある。
過去の研究では、バスケットボールのラインナップは分析されてきたが、そのプレースタイルの相性は定量的に評価されていなかった。
本研究では、オフェンスだけに焦点を当てて、選手間のプレースタイルの相性が得点効率に与える影響をより具体的に分析することを目的としている。
Methods
シューティングスタイルクラスタリング:各選手のショット傾向からウォッサーシュタイン距離を用いてクラスタリングし、13種類の異なるクラスターが抽出された。
オフェンシブロールクラスタリング:Synergy Sportsから提供されたプレーステータストデータとアドバンスト統計情報を使用してソフトクラステリングが行われた。
ラインナップ分析:各選手やコンビネーションごとに説明変数が作成され、OFFRTG(得点効率)が予測された。
Results
シューティングスタイルクラスター内で最も高いOFFRTG値を持つトップ10および最も低いOFFRTG値を持つ下位10のラインナップが示された。
予測精度はKalman & Bosch(2020)メソッドよりも低かったが、新しい洞察力や理解可能性は提供された。
GSWやSASなど強豪チームから抽出された特定チームでは予測精度が低かった。
Estatísticas
「ウォーターシャイン距離」は選手間のショット傾向から計算されました。
「TS%」(True Shooting percentage)は各クラスター内で最も高い5人の選手とそのFGA(Field Goal Attempts)値から算出されました。
Citações
"In a basketball game, scoring efficiency is crucial to winning because possessions are repeated over and over again."
"The main contributions of this work are as follows: (i) We proposed a method that clusters players’ shooting styles based on the Wasserstein distance..."