p*********n
发帖数: 556 | 1 上课要做一个project让大家想用data mining的技术来进行football战术的指挥。请教
大神们有什么想法吗？用什么metric比较好？集思广益请随便发言啊！ |
s*********y
发帖数: 6151 | 2 lol 恐怕不行。 football战术存在海量数据吗？ 不存在的话挖掘什么呢 |
p*********n
发帖数: 556 | 3 project嘛，前提是如果没有什么技术限制，应该挖掘什么样的数据呢？每个play人跑
的方向啊，教练在某种场合喜欢用的战术啊。类似这种东西。大家有没有什么建议？ |
w*********s
发帖数: 8428 | 4 第四当要不要punt?
td后要两分还是一分？
小叮当对长传? |
l*x
发帖数: 14021 | 5 Down and distance, field position, offense formation，time left， score 这些
组合的情况下，进攻play selection的tendency是什么，跑传的选择，攻左攻右的选择
，长传短传的选择等等。
还有某个球员在场上对以上选择的影响，比如RB是lacy和starks的区别。某个不常出现
的球员，可能预示着要打某个战术。
比如某个球员在场上位置对play selection的影响。比如Cobb在outside还是slot，
Gronk是tight还是split out。
根据这些数据，防守选择了formation之后，进攻的play selection又是怎样跟据防守
formation分布的。比如，base的话，长传多，dime的话，跑的多。
再做下去，就是把结果算进去。
有些情况可以做细点，比如个3rd and long， 4th and short， goal to go。
这些play selection tendency的统计，现在球队就在做，但是最后还是看球员的
execution和QB的阅读应变能力。一个mistackle可以毁掉一个好局。所以有行话说play
calling is overrated。good execution of bad play is better than bad
execution of good play.。players not plays。比如1马线上slant被抄介，被骂成
worst play call of all time。 |
p*********n
发帖数: 556 | |
s*********y
发帖数: 6151 | 7 我觉得这是扯蛋，就算做出来了稍微调整下你的算法马上就失效了。 关键在于
football战术没有强pattern， 不给你足够的样本去分析，你就没辙
【在 l*x 的大作中提到】
: Down and distance, field position, offense formation，time left， score 这些
: 组合的情况下，进攻play selection的tendency是什么，跑传的选择，攻左攻右的选择
: ，长传短传的选择等等。
: 还有某个球员在场上对以上选择的影响，比如RB是lacy和starks的区别。某个不常出现
: 的球员，可能预示着要打某个战术。
: 比如某个球员在场上位置对play selection的影响。比如Cobb在outside还是slot，
: Gronk是tight还是split out。
: 根据这些数据，防守选择了formation之后，进攻的play selection又是怎样跟据防守
: formation分布的。比如，base的话，长传多，dime的话，跑的多。
: 再做下去，就是把结果算进去。
|
s*****h
发帖数: 44903 | 8 赞胖熊
【在 l*x 的大作中提到】
: Down and distance, field position, offense formation，time left， score 这些
: 组合的情况下，进攻play selection的tendency是什么，跑传的选择，攻左攻右的选择
: ，长传短传的选择等等。
: 还有某个球员在场上对以上选择的影响，比如RB是lacy和starks的区别。某个不常出现
: 的球员，可能预示着要打某个战术。
: 比如某个球员在场上位置对play selection的影响。比如Cobb在outside还是slot，
: Gronk是tight还是split out。
: 根据这些数据，防守选择了formation之后，进攻的play selection又是怎样跟据防守
: formation分布的。比如，base的话，长传多，dime的话，跑的多。
: 再做下去，就是把结果算进去。
|
l*****8
发帖数: 16949 | 9 困难在于你怎么搞到这些data.前面这些还好，比如Down and distance, field
position, offense formation，time left， score。后面的比如某个球员在场上对以
上选择的影响就难了。队员的伤病你光看play by play也看不出来。这些对战术的影响
其实都挺大的。 |
s*********y
发帖数: 6151 | 10 一个赛季几千个play， 一般统计分析就够了，啥data mining。 最烦动不动就大数据
，纯炒概念 几个公司用得上
【在 l*****8 的大作中提到】
: 困难在于你怎么搞到这些data.前面这些还好，比如Down and distance, field
: position, offense formation，time left， score。后面的比如某个球员在场上对以
: 上选择的影响就难了。队员的伤病你光看play by play也看不出来。这些对战术的影响
: 其实都挺大的。
|
|
|
l*x
发帖数: 14021 | 11 数据挖掘嘛，本来就不容易。容易的就不用挖了。跟Google Amazon这些数据量来比，
NFL的数据量确实是少很多。但也不是什么都做不出来。play tendecy的统计，球队就
在做，DC手上就有一张这样的表，在这种情况下，我们训练了这几个plays，然后对手
在这种情况下play tendency是这样分布的，call play 的时候参考一下。但你要把它
用做主要的参考，跟赌大小一样，或者预测股市和天气那样，那是不可能的。球员是不
会看到这些统计的，看了也没用。他们只有老老实实的看录像，用自己的经验和直觉来
找pattern。场上的时候，a fraction of a second, instinct even trumps
everything else. 海鹰那个1码slant，不就是被小鸡识破了吗。从formation 暴露了
play selection。一些不常见的参数组合，数量虽小，一旦出现，预测度就很高。那个
play败在，威神没有选择权，教练不让他option，只能按照call的play来执行，一旦
play被识破，只有往套里钻。这个play很可能是小鸡自己看录像找出来的，但不等于不
能用电脑来匹配挖掘。说不定小鸡看到的，已经是一群码工用电脑程序筛选之后推荐的。
数据挖掘我不是专家，具体怎么做我不清楚。你说的具体到某个球员的时候，很难。这
很正常。数据挖掘只管找pattern机械的匹配和筛选。最后结果还需要人来分析，看有
没有意义，再怎么改进。比如I formation的时候，跑和传的比例是50-50。没什么特别
。然后你把跑锋是lacy和starks的情况分开看，可能lacy上的时候跑传比例是7-3分，
starks是3-7分，其他人0-10分。也有可能换上谁，都是5/5开。现在计算能力这么强，
可以随便的试各种参数，说不定就碰到一个明显的correlation pattern。
: 困难在于你怎么搞到这些data.前面这些还好，比如Down and distance,
field
: position, offense formation，time left， score。后面的比如某个球
员在场
上对以
: 上选择的影响就难了。队员的伤病你光看play by play也看不出来。这些
对战术
的影响
: 其实都挺大的。
【在 l*****8 的大作中提到】
: 困难在于你怎么搞到这些data.前面这些还好，比如Down and distance, field
: position, offense formation，time left， score。后面的比如某个球员在场上对以
: 上选择的影响就难了。队员的伤病你光看play by play也看不出来。这些对战术的影响
: 其实都挺大的。
|
l*x
发帖数: 14021 | 12 有的放矢的话，确实一般数据分析就够了。数据挖掘不就是乱挖来找没有预见到的规律
吗？什么东西都是拍脑袋就觉得没用的话，大学教授砍掉一半都还过剩。
也许这个对NFL真的没有用，不过我还不能确定它没用，我想不办法来用它，不等于别
人都做不到。就算现在做不到，不等于以后做不到。
: 一个赛季几千个play， 一般统计分析就够了，啥data mining。 最烦动
不动就
大数据
: ，纯炒概念 几个公司用得上
【在 s*********y 的大作中提到】
: 一个赛季几千个play， 一般统计分析就够了，啥data mining。 最烦动不动就大数据
: ，纯炒概念 几个公司用得上
|
N*****m
发帖数: 42603 | 13 真挖掘，应该把球员的执行能力计算在里面
【在 l*x 的大作中提到】
: Down and distance, field position, offense formation，time left， score 这些
: 组合的情况下，进攻play selection的tendency是什么，跑传的选择，攻左攻右的选择
: ，长传短传的选择等等。
: 还有某个球员在场上对以上选择的影响，比如RB是lacy和starks的区别。某个不常出现
: 的球员，可能预示着要打某个战术。
: 比如某个球员在场上位置对play selection的影响。比如Cobb在outside还是slot，
: Gronk是tight还是split out。
: 根据这些数据，防守选择了formation之后，进攻的play selection又是怎样跟据防守
: formation分布的。比如，base的话，长传多，dime的话，跑的多。
: 再做下去，就是把结果算进去。
|
l*****8
发帖数: 16949 | 14 我不是说你的方法不好，而是说对楼主而言操作比较困难。我知道各个队都有专人搞数
据，人员配备，伤病情况肯定都有数据，但这个在公共媒体上估计很难找到。
【在 l*x 的大作中提到】
: 数据挖掘嘛，本来就不容易。容易的就不用挖了。跟Google Amazon这些数据量来比，
: NFL的数据量确实是少很多。但也不是什么都做不出来。play tendecy的统计，球队就
: 在做，DC手上就有一张这样的表，在这种情况下，我们训练了这几个plays，然后对手
: 在这种情况下play tendency是这样分布的，call play 的时候参考一下。但你要把它
: 用做主要的参考，跟赌大小一样，或者预测股市和天气那样，那是不可能的。球员是不
: 会看到这些统计的，看了也没用。他们只有老老实实的看录像，用自己的经验和直觉来
: 找pattern。场上的时候，a fraction of a second, instinct even trumps
: everything else. 海鹰那个1码slant，不就是被小鸡识破了吗。从formation 暴露了
: play selection。一些不常见的参数组合，数量虽小，一旦出现，预测度就很高。那个
: play败在，威神没有选择权，教练不让他option，只能按照call的play来执行，一旦
|
g*******4
发帖数: 1889 | 15 Check out this:
4th Down Bot
Live analysis of every N.F.L. 4th down
http://nyt4thdownbot.com/ |
H****3
发帖数: 7936 | 16 这个牛！果断follow。
【在 g*******4 的大作中提到】
: Check out this:
: 4th Down Bot
: Live analysis of every N.F.L. 4th down
: http://nyt4thdownbot.com/
|
n******r
发帖数: 4455 | 17 你得首先看能找到什么data
我做过一个篮球方面的小project，主要是投篮数据
体育方面用数据指导其实很长时间了，学术界也有人做这个，可以找相关的paper来看
就course project来说建议选个小点的题目，比如前面提到的给定条件的play选择
因为系统非常复杂，数据没有反应出来的东西很多
【在 p*********n 的大作中提到】
: 上课要做一个project让大家想用data mining的技术来进行football战术的指挥。请教
: 大神们有什么想法吗？用什么metric比较好？集思广益请随便发言啊！
|
n******r
发帖数: 4455 | 18 data mining很早的概念了，并不是只有大数据才用data mining
data mining，machine learning和统计是三个有交集但是侧重不同的学科
【在 s*********y 的大作中提到】
: 一个赛季几千个play， 一般统计分析就够了，啥data mining。 最烦动不动就大数据
: ，纯炒概念 几个公司用得上
|
