Использование машинного обучения для ответов на вопросы о бейсболе

Учитывая характер игры в бейсбол, большая часть травм происходит в результате бесконтактных инцидентов, а это означает, что необходимость измерения и контроля физической нагрузки поможет уменьшить эти типы травм.

Имея это в виду, команда аналитиков Catapult внедрила машинное обучение, которое использует преимущества тысяч точек данных, полученных с его помощью. Оптимальный глаз S5 устройство. Используя эти необработанные данные и видео из профессиональных игр и тренировок, Catapult смогла разработать алгоритмы для конкретных видов спорта, которые количественно определяют объем и интенсивность таких действий, как метание и размахивание битой.

Раннее тестирование показало, что уровень точности выше, чем у 90%, а функции машинного обучения позволяют улучшать его по мере поступления большего количества данных.

Сокращение списка отключенных в MLB

Исследования в Американский журнал ортопедии показали, что количество назначений отключенных списков (DL) и общее количество дней DL увеличивались из года в год. Среди травмированных игроков на DL питчеры чаще получают травмы и тратят больше времени на DL по сравнению с любой другой позицией.

Команда аналитиков Catapult решила количественно определить движения, которые чаще всего приводят к таким травмам от чрезмерного использования, с теорией, согласно которой возможность использовать объективные данные об объеме и интенсивности этих движений даст практикующим возможность контролировать тренировочные нагрузки.

Создание бейсбольного алгоритма

Для количественной оценки таких событий, как удары и взмахи битой, алгоритм машинного обучения с учителем был обучен сопоставлять звуки и удары летучей мыши, полученные во время обучения, с показаниями устройства OptimEye S5.

В частности, Catapult построила алгоритм Random Forest на основе данных, собранных во время тренировок различных бейсбольных команд, как профессиональных, так и университетских. Тренировочные данные содержат показания акселерометра и гироскопа для более чем 6000 событий бросков, взмахов битой или ни того, ни другого для десятков игроков и различных позиций.

Был введен порог нагрузки игрока, чтобы изолировать взрывные события от других событий, таких как ходьба. Это гарантирует, что алгоритм выбирает только игровые броски и взмахи битой.

Вокруг каждого из этих событий Catapult изучал характеристики, полученные с помощью трехмерного акселерометра и трехмерного гироскопа в пределах окна двух секунд после события: за одну секунду до и одну секунду после. Примеры функций включают максимальное значение, среднее значение и стандартное отклонение показаний акселерометров и гироскопов.

Каждая из этих функций была введена для интересующего события, а также его классификации как бросок, взмах битой или ни то, ни другое, чтобы построить обучающую выборку для алгоритма.

Результаты и обсуждение

После демонстрации большого количества примеров, охватывающих множество бросков и взмахов битой, алгоритм смог достичь точности более 90% при обнаружении бросков и взмахов битой во время тренировки. Броски, обнаруженные с превосходной точностью, включают:

• КПЗ
• Подача от насыпи до ловца
• Качественные броски во время разминки
• Дальние броски во время игры
• Качели в клетке или во время тренировки

Консервативная оценка отражает тот факт, что алгоритм настроен на подсчет только тех бросков и ударов, которые достаточно сложны, чтобы быть похожими на игру (т. е. «качественные» броски и удары битой). Большинство ошибок происходят из-за мягких бросков в начале программы, которые слишком мягкие, чтобы их можно было сосчитать.

После классификации тренировочной сессии на взмахи, броски или ни то, ни другое алгоритм вычисляет общую нагрузку, связанную с каждым взмахом и броском биты. Через интерфейс можно получить различные величины, такие как средняя загрузка игрока или среднее время между этими действиями, а также диапазоны для каждого броска или взмаха битой.

Показатели Catapult для подачи и взмахов битой позволяют практикующим бейсболистам контролировать громкость и интенсивность ключевых движений, которые приводят к травмам от чрезмерного использования и обходятся профессиональным и университетским командам в миллионы долларов каждый год. Эти показатели могут диктовать будущее периодизации тренировок питчеров и отбивающих для тренеров, которые хотят большей прозрачности тренировочного эффекта в реальных условиях.

Хотите узнать, как Catapult может ответить на ваши вопросы о спорте? Узнайте больше о нашей аналитике производительности здесь.