职业网球接发击球落点模式的统计模型

追踪系统在体育中的普及使得细粒度时空分析成为新兴体育分析行业的主要焦点。最近公开的男子职业网球追踪数据首次允许对接发击球落点进行详细空间分析。混合模型是体育空间分析中一种吸引人的基于模型的框架，其中潜变量发现通常是主要兴趣所在。尽管有限混合模型具有可解释性与可扩展性的优势，大多数实现都假设以潜变量为条件的结局服从标准参数分布。本文我们提出一种更灵活的替代方案，允许潜条件分布为有限高斯混合的混合成员。我们的模型源于描述职业网球选手接发落点常见风格的尝试，这也是我们将该方法命名为‘潜风格分配’模型的原因。在完全贝叶斯实现中，我们将该模型应用于 2018 至 2020 年间 ATP（Association of Tennis Professional）赛事中 141 名顶尖选手的 142,803 个接发回合，表明潜风格分配相较有限高斯混合模型提升了预测性能，并识别出一发与二发接发中六种独特的击球落点风格。