美国职业篮球联赛中的防守球员分类
机器学习
2017-07-12 v2 人工智能
摘要
美国职业篮球联赛（NBA）扩展了其数据采集，并大力投资新技术以收集球员的高级表现指标。这一扩展的数据集使分析师能够使用独特的表现指标在模型中估计和分类球员表现。分析师无需再根据身体属性和场上位置对球员进行分组，而是可以根据这些追踪到的指标将表现相似的球员归为一组。现有的球员分类方法通常使用进攻指标进行聚类 [1]。此前也曾尝试使用过去的防守指标对球员进行分类，但由于缺乏高质量的指标，未能取得令人满意的结果。本文提出的分类方法使用新引入的防守指标为每位球员寻找不同的防守位置。在不知道球员可被归入多少类别的情况下，可以应用高斯混合模型（GMM）来寻找最优聚类数。在所提出的模型中，可以识别出五种不同的防守球员类型。
引用
@article{arxiv.1612.05502,
title = {Defensive Player Classification in the National Basketball Association},
author = {Neil Seward},
journal= {arXiv preprint arXiv:1612.05502},
year = {2017}
}
备注
Methods provided in paper do not go into enough detail into how defensive formations are beneficial to teams. Needs more explanation behind formations