Ранее я писал об использовании Генетических алгоритмов с мультиклассовой классификационной нейронной сетью MadNet, чтобы получить представление о том, какие команды хорошо работают в Мартовском безумии. Теперь давайте проделаем то же самое с BoxNet, сверточной нейронной сетью, которую я применил к средним счетам коробки, показывающим среднее количество очков за игру, подборов за игру, перехватов за игру, блоков за игру и потерь за игру для каждого игрока на команда. По сути, мой код BoxNet обрабатывает эти данные как картинку и находит закономерности в этой картинке — некоторые закономерности соответствуют превышению производительности по сравнению с начальным числом команды, а некоторые — недостаточной производительности по сравнению с начальным числом команды. Чтобы узнать больше о том, как я использую метрику Победы над посевом, чтобы показать, насколько хорошо команда будет работать в марте, взгляните на мой исходный пост в блоге нейронной сети March Madness.

После того, как у меня была сверточная нейронная сеть BoxNet, обученная на исторических данных, я использовал случайный алгоритм для генерирования «оценок ящиков» со случайно сгенерированными данными о средней статистике каждого игрока. Затем я нормализовал эти баллы (как я делаю с исходными данными BoxNet) и провел команды через BoxNet, выбирая либо лучшие, либо худшие команды. Обратите внимание, что на этот раз я не удосужился использовать генетический алгоритм, так как баскетбольные очки настолько сложны, что новые «хромосомы» очков, полученные из существующих, не обязательно соответствуют лучшей производительности. Кроме того, обратите внимание, что, поскольку данные генерируются случайным образом, некоторые команды могут иметь совершенно нереалистичные статистические профили. Я решил, что будет слишком сложно добавить «ограничения реализма» к случайно сгенерированным профилям очков, поэтому я приступил к полной рандомизации для этих экспериментов.

Из 1000 случайно сгенерированных командных профилей только 2 имели показатель «Победы над посевом» больше 2. В первой команде с лучшими результатами был доминирующий нападающий или бигмэн, который лидирует как по очкам, так и по подборам, поддерживает уровень текучести кадров ниже среднего и имеет справедливая доля проходных обязанностей, а также. В команде также есть доминирующий защитник, который лидирует по передачам и перехватам, забивая почти столько же, сколько бигмэн, сохраняя при этом низкую текучесть кадров и выполняя некоторые обязанности по подборам. В команде также есть еще 2 результативных игрока, которые в защите выше среднего, подобно флангам «три-и-D», которые мы видим в реальной жизни. Этот профиль, кажется, соответствует классической доминирующей баскетбольной команде с талантом во всем, и некоторые из лучших примеров этого прототипа включают чемпиона страны Дьюка в 2015 году (с Джалилом Окафором в качестве доминирующего большого, Тайусом Джонсом в качестве звездного разыгрывающего и Грейсоном Алленом). , Мэтт Джонс и Джастис Уинслоу на флангах) или национальный чемпион штата Кентукки в 2012 году (с Энтони Дэвисом в роли доминирующего бигмена, Маркизом Тигом в роли разыгрывающего и такими игроками, как Дорон Лэмб и Терренс Джонс на флангах).

Еще одна прототипическая доминирующая / сверхэффективная команда включает в себя универсального игрока, который эффективно делает много подборов и передач (тип Дрэймонда Грина / Дензела Валентайна, который, кажется, распространен в штате Мичиган), защитника, который делает все. но страдает от того, что подвержен текучести, 2 поддерживающих результативных защитника, которые также хорошо защищаются (снова эти три и D-фланги). Все игроки в этом типе команды пасуют более чем на 50% по сравнению с лучшим распасовщиком команды, что указывает на отсутствие доминирующего игрока с мячом и большую универсальность по всем направлениям. Примеры команд национальных чемпионатов с таким профилем включают UConn в 2014 году (с Шабаззом Напье в качестве универсального защитника и Райаном Боутрайтом в качестве универсального нападающего в форме Дреймонда Грина), Вилланова в 2018 году (с Микалом). Бриджес в роли универсального нападающего и множество защитников, которые могли стрелять и пасовать), и, в меньшей степени, UVA в 2019 году (с ДеАндре Хантером в роли универсального нападающего, Тай Джеромом в роли универсального защитника и Кайлом Гаем-одиночкой). умело играя роль нескольких результативных защитников с его точной массированной стрельбой).

Источник: https://commons.wikimedia.org/wiki/File:20170213_Villanova-Depaul_Mikal_Bridges_dunk.jpg

Я сделал то же самое с командами, которые отстают от своего посева, и из 1000 случайно сгенерированных команд 3 из них имели выигрыш выше посева менее -2 (соответствует первому или второму посевному, расстроенному в первом раунде). . На что похожи эти команды, которых так легко вывести из себя? В первой команде игрок лидировал по результативности и количеству подборов, а также имел очень низкий (намного ниже, чем у лучшего пасового игрока команды) показатель помощи. В этой команде также был ведущий ассистент, который был очень подвержен текучести кадров. В какой-то степени это соответствует баскетбольным командам колледжей с одним традиционным бигмэном «спиной к корзине». Команды, подобные этой, имеют историю неудач в March Madness (ни Шак, ни Тим Дункан никогда не проходили дальше второго раунда турнира). Более поздняя команда, которая соответствует этому профилю, — это UVA в 2018 году, команда, в которой Исайя Уилкинс набрал много подборов, делая очень мало передач, и в которой у Тай Джерома было очень плохое соотношение передач к потерям (3,9 передачи за игру против 5,5 передач за игру). в следующем сезоне с соотношением передач к передачам 3,9:1,6).

В профиле следующей неэффективной команды был лучший бомбардир, который также был лучшим игроком на подборах, но редко отдавал передачи, вторым лучшим бомбардиром, который мало подбирал или делал много передач, и не было других выдающихся игроков. Опять же, мы видим, что команды, слишком сильно полагающиеся на традиционного бигмена с низкой позиции, не преуспевают в марте. Ближайшим прототипом этой команды может быть вторая сеяная команда Джорджтауна, которая была расстроена Университетом Флориды на побережье Мексиканского залива в 2013 году. второй ведущий игрок команды Маркел Старкс едва восстановился.

В профиле последней неэффективной команды был лучший бомбардир и подбирающий, который был очень склонен к текучести (опять же показательно для традиционного бигмена и даже звучит как ДеАндре Эйтон, чей четвертый сеяный Аризона Уайлдкэтс был расстроен Баффало в первом раунде в 2018 году). В остальной части команды ни один игрок не делает значительно больше, чем все его товарищи по команде, по очкам, перехватам, блокам подборов и передачам. Между тем, все игроки очень подвержены текучести кадров. Эта команда очень похожа на вторую по сеянию команду Duke, которая проиграла CJ McCollum и Lehigh еще в 2012 году: много бомбардиров без четкого выбора игрока и высокая текучесть кадров среди каждого члена команды.

Кажется, что если и есть что-то, что согласуется между пятью командными профилями очков, которые значительно отстали или превзошли результаты в марте, так это то, что важна универсальность. В лучших командах есть большие игроки, которые умеют пасовать, и защитники, умеющие отбивать. С другой стороны, в командах, которые расстраиваются, есть бигмэны, которые могут только забивать и хватать доски, и охранники, которые могут только стрелять, но не пасовать (или очень подвержены потерям, когда пасуют). Когда дело доходит до March Madness, универсальность действительно является ключом к успешному прохождению турнира.