面向计数张量数据的多维异质性学习及其在NBA球员投篮分析中的应用
统计方法学
2022-05-23 v1 应用统计
摘要
我们提出一种多维张量聚类方法，用于研究职业篮球球员的投篮模式如何随球场位置和比赛时间变化。与大多数仅研究连续值张量或必须假设不同张量方向具有相同聚类结构的现有方法不同，我们提出一种贝叶斯非参数模型，该模型处理计数值张量，并将球员间的异质性投影到张量维度上，同时允许不同方向上的聚类结构不同。我们的方法完全概率化，因此可同时对聚类数量和聚类配置进行推断。我们提出了一种高效的后验采样方法，并建立了后验分布的大样本收敛性质。模拟研究证明了所提方法优异的经验性能。最后，对 2017-2018 常规赛期间 191 名 NBA 球员投篮图表数据进行了应用，揭示了若干有趣的篮球分析见解。
引用
@article{arxiv.2205.09918,
title = {Multidimensional heterogeneity learning for count value tensor data with applications to field goal attempt analysis of NBA players},
author = {Guanyu Hu and Yishu Xue and Weining Shen},
journal= {arXiv preprint arXiv:2205.09918},
year = {2022}
}