当NBA球星遇上机器学习……

全文共4423字，预计学习时长12分钟

来源：tuxi

我喜欢篮球。 我喜欢打篮球、看篮球、谈篮球。 有时候我会和朋友们谈论诸如“如果科比和勒布朗单挑谁会赢”之类的话题。 我需要用这次机器学习项目，将我的两个爱好，篮球和数据科学有机地结合起来。

 

去年夏天，金州勇士队转出连续斩获两届NBA决赛MVP（最有价值球员奖）的凯文·杜兰特，引入德安格洛·拉塞尔。 于是体育分析员纷纷开始猜测拉塞尔在勇士队的适配程度，如下：

 

来源：clutchpoints

 

这也让我开始思考： 德安格洛·拉塞尔将如何适应勇士队的节奏？ 能不能运用机器学习将NBA球员分类，并预测某一球员与指定球队的兼容程度？

 

本项目的研究目的是，确定若干球员的类型，并根据历史活动或他们对空间的利用确定他们在球场上扮演的角色。

 

得分、篮板、助攻、抢断、盖帽等数据不会被用作特征，因为它们依赖于例如出场时间或进球数量等数据（这项数据也不会出现在特征中）。 将得分、篮板、助攻、抢断、盖帽等数据作为特征可能会使最终结果与这些特征密切相关，这就偏离了本次项目的初衷。 我将在下文的研究方法部分详细列举所有的特征。

  

数据

我们来看一看数据部分。

 

数据是由Python和Selenium包从stats.nba.com 提取加工而成。 选取的特征大部分都基于上场频率。 很多打法都包含进攻和防守站位。 比如说，“进攻背身单打率”指该球员背身单打时在进攻位的频率； “防守背身单打率” 指该球员背身单打时在防守位的频率。 这些特征的 附释，可以参考此链接：https://stats.nba.com/help/glossary/ 。

 

样本数据： 272名球员

 

初始数据集包含531名球员。 而后上场时间少于半个赛季及1000分钟的球员被移出样本数据。 这样做的原则是，去除所有出场不稳定的球员。 以下是完整的球员样本名单：

 

球员名单

 

选取特征： 41个

 

筛选之前特征总数超过600。 最后选取了描述落位和运球的特征。

 

特征列表

 

研究方法和模型选择

 

由于本项目属于无监督学习，它得出的结果需要进一步分析。 我在模型和簇数选择上有两个目标：

 

1.      突出簇之间的显著差异。 簇数太少，每个簇中样本太多，不能得出各个球员间的风格差异。

2.       避免簇数过多。 如果每个球员都是一个簇，结果只能表明每一个人都是独立的个体，这对研究的帮助很小。

 

模型选择：  DBSCAN, K-means和Mean Shift