不是吹牛，数据分析可以预测球员打算如何出手

“大数据” 是近几年科技行业最喜欢提的词汇。从 Google 到中国百度，都提出要发展 “深度学习” 的方针。而百度为了能发展该技术，不远万里在硅谷设立研究院，还从 Google 挖来 “机器学习” 领域的先锋人物吴恩达，负责 “百度大脑” 计划。至于未来战略方向转为 “移动为先、云为先” 的微软，最近也披露 “大数据” 相关的计划 Project Adam，将挑战 Google 的 Google Brain 计划。

现在，我们可以看到部分 “大数据” 在实际运用的后果。在四年一届的世界杯里， Google、百度还微软均利用 “大数据” 预测出每支球队的比分情况，甚至还相当地准确——一方面，体育行业发展多年，每名球员每场比赛的数据均有详尽的记录，方便专家研究和解读，同样这些已经分门归类的有效数据也可以被计算机利用；另一方面，由于体育游戏的规则很多，预测分支的数量可以控制在一定规模，这也方便计算机进行预测。

由于体育行业的特殊性，未来该领域里将出现不少 “大数据” 案例。不过，在讨论未来之前，我们不妨探讨一下 “大数据” 运用在体育行业的实际方法。比如说，如何让机器明白棒球比赛当中，人们如何作出决策，以及如何让这些模型随时适应新数据，并运用在新的比赛当中。

根据 FastCompany 的报道，最近 GigaOm Structure 会议上，来自博思艾伦咨询公司的雷·亨斯伯格（Ray Hensberger）分享他以及团队为 MIT Sloan Sports Analytics 会议准备的论文——现在，他的团队利用美国职业棒球大联盟的数据提炼出数据模型，可以实时预测一名投手将投出怎样球，以及何时投出，准确率高达 74.5%。

亨斯伯格介绍，团队先从 900 个投手着手，分析他们的比赛数据，后来又采用排除法，将过去三个赛季投球数量少于 1000 的球手排除掉，这样就只剩下 400 名投手作为数据分析的样本。除了投手本身的数据外，团队也分析当前比赛的数据，比如场地类型、击球数等等；还有一些和比赛相关的情况，比如回合数、出局数以及球场上的人数和球员的位置；至于球手，他们的分析条件将包括球手的偏手性，曲球的出手时机、快速球的速度、球场选择的一般规律、滑球的运动等等。

通过大量的数据采集以及综合分析，找出其中的关联性，亨斯伯格和团队最终为每名投手的构建个性数据模型，能够预测一名投手在赛场上会作出怎样的投球决策。他们所采用的数据模型，已经总结到一本名为《The Field Guide To Data Science》的书里。

构建数据模型的过程可能没有我们想象中的难，而如何证明数据模型是可靠的，却很关键。亨斯伯格说，构建了数据模型之后，团队对模型进行了 5 重交叉验证。这种交叉验证是能够观察，为数据模型输入陌生的数据集后， 是否有异常的表现。“你不会需要一个基于历史数据预测准确度达 100% 的数据模型。如果不经过交叉验证， 而把数据模型推出去，人们大概会认为你模型只不过适合自己所拥有的数据。”

数据模型通过验证后，亨斯伯格和团队就采用 “支持向量机”（Support Vector Machine）机器学习方法中的 “一对多方法”（one-versus-rest）来预测下一场比赛当中投球手的投球决策。他们以三种不同的角度来看待数据：

• 基于用球数来预测：看比赛局势有利或不利，或者用球数持平的情况下；
• 基于 “左右病”（platoon system）来预测，看球场上是否用右撇子击球手应对左撇子投手，反之亦然；
• 使用 “样本外检验” 的方法来训练数据模型，保证它能正常工作。

亨斯伯格和团队在构建球手的数据模型时还发现，部分投手的投球决策在一定的情况下十分好预测。不过，投手投球的可预测性高低和他的比赛成绩没有关联。亨斯伯格发现，15 个最可预测的球员当中，有 8 个来自有名的辛辛那提红人队和圣路易红雀队。另外，“左右病” 策略也会影响比赛的成绩。

尽管 “大数据” 经过大量爆光，Google、微软、百度也通过自己的预测来证明大数据实际运用的例子，但是根据 MIT Sloan Sports Analytics 会议的联合创始人、联合主席杰西卡·吉尔曼（MIT Sloan Sports Analytics）称，体育数据分析目前不是主流，而且不是所有运动都可以运用这条方法。比如说冰上曲棍球比赛，预测往往失准。不过，某些运动又可以更快地适用数据分析，在这些运动当中，数据分析能够发挥显著的价值。

如果要在体育行业推广 “大数据” 分析方法，行业联盟是绕不过去的槛。现在，美国职业足球大联盟还有英格兰超级联赛都已经引入了数据分析，至于棒球运动，几乎每家棒球队都拥有一个分析小组。至于商业方面，数据分析还可帮助体育场吸引那些在家通过电视看比赛的人。

不过，即便是亨斯伯格和团队构建的数据模型的预测能够达到 100% 准确率，比赛的关键还在于赛场上的人。在 70 年代的美国职业棒球比赛上，史蒂夫·卡尔顿就依靠 “滑球” 这一招半式，在 24 年代职业生涯中投出 329 胜的佳绩。对方往往知道卡尔顿要投什么球，但是就是击不到球，或者击断球棒。

战略都是完美的，但战术往往无法完美。

题图来自 utopiainc