时空 VON CRAMM：基于混合建模变分生成完整分辨率弧线评估网球决策
应用统计
2020-05-27 v1
摘要
体育追踪数据是对竞技事件的高分辨率时空观测。职业体育中此类数据的日益积累使我们得以解决现代体育的一个基本问题：如何对个体动作赋值？利用网球中球与运动员运动的平滑性，我们提出一个函数数据框架，用于在连续时间中估计期望击球价值（ESV）。我们的方法为三步策略：1）使用无限贝叶斯高斯混合模型（GMM）对球与运动员轨迹的完整分辨率函数表示进行生成式建模；2）在观测位置数据上条件化 GMM；3）给定击球事件的函数编码预测击球结果。由 ESV 我们导出三个核心指标：击球执行增值（VAST）、击球智商（Shot IQ）和场地覆盖增值（VACC），分别将价值归因于击球执行、击球选择和场地移动。我们在 2019 美网以这些进阶指标评价选手表现，并展示各自如何超越简单结果计数，通过定量评估球员在一分过程中的决策，为网球表现评价提供新视角。
引用
@article{arxiv.2005.12853,
title = {Space-Time VON CRAMM: Evaluating Decision-Making in Tennis with Variational generatiON of Complete Resolution Arcs via Mixture Modeling},
author = {Stephanie Kovalchik and Martin Ingram and Kokum Weeratunga and Cagatay Goncu},
journal= {arXiv preprint arXiv:2005.12853},
year = {2020}
}
备注
15 pages