一种利用球员追踪数据进行NBA球员与球队比较的可扩展框架
应用统计
2016-11-02 v2 其他统计学
摘要
NBA球员追踪数据的发布极大增强了用于评估和比较球员表现的篮球统计的粒度和维度。然而，这一新数据源的高维度可能带来麻烦，因为它需要更多计算资源并降低轻松解释发现的能力。因此，我们必须找到一种降低数据维度同时保留区分和比较球员表现能力的方法。本文使用主成分分析(PCA)识别出四个主成分，它们解释了2013-2014常规赛球员追踪数据中68%的变异，并通过考察对它们影响最大的统计量对这些新维度给出了直观解释。在这一高方差、低维空间中，可以轻松地跨任意或所有主成分维度比较统计轮廓，以评估使某些球员和球队相似或独特特征。还基于四个主成分得分构建了两个球员或球队统计轮廓之间相似性的简单度量。统计多样性指数(SDI)允许使用全部球员追踪数据进行快速直观的比较。随着新统计量的出现，该框架是可扩展的，因为它可以通过重建主成分维度和SDI来整合现有和新数据源以改进比较。利用主成分得分和SDI，给出了若干用于改进人员管理的用例。
引用
@article{arxiv.1511.04351,
title = {A Scalable Framework for NBA Player and Team Comparisons Using Player Tracking Data},
author = {Scott Bruce},
journal= {arXiv preprint arXiv:1511.04351},
year = {2016}
}
备注
18 pages including figures and appendices