[新聞] 新式數據「接殺形成率」 破解守備能力迷思已回收

看板Baseball作者 (新生活)時間8年前 (2017/03/29 09:40), 編輯推噓88(91378)
留言172則, 87人參與, 最新討論串1/1
新式數據「接殺形成率」 破解守備能力迷思 https://udn.com/news/story/6999/2370861 2017-03-29 07:00 千禧年過後,進階棒球統計-賽伯計量學(Sabermetrics)-的觸角逐漸深入美國職棒, 並且扎根。直到今天,大聯盟30支球隊都已經有專職的進階數據部門,導入科學化思維的 經營模式,已成為當今大聯盟的主流。這波從打擊項目開始的數據革命,經過10幾年的快 速發展,打擊、投球等兩個主要項目,都已擁有一套堪稱完整、準確的數據系統,然而, 在「防守」這個環節上,似乎瓶頸不斷、難有突破。 由於防守這個項目,不像有固定模式、球員位移較小的打擊、投球,那樣好記錄、好追蹤 ,所以直到兩、三年前,棒球界都找不出最好的評估方法。 雖然有賽伯計量學家利用逐球的擊球強度、防守結果資料,整理並算出每個防守球員製造 出局數的次數,創造DRS(Defensive Runs Saved)、UZR(Ultimate Zone Rating)等進 階守備數據,試圖避掉傳統「失誤」(Error)數據沒有考量到球員反應能力跟守備範圍 的缺失,但這些數據終究還是以「防守結果」作為基礎,無法考量到很多結果發生之前的 變因,還有選手在防守過程中的判斷力、移動力等,因此數據的信度頗令人質疑,經常出 現某一名選手逐年防守數據變動極大的情形。 為了解決這些問題,並更進一步探究最好的防守評估方法,大聯盟官方過去幾年投入極大 的資源在更新雷達科技、追蹤系統上,終於在兩年前的2015年,正式於全聯盟30座球場啟 用,能夠精準追蹤紀錄棒球走向,以及球員移動的Statcast系統。 Statcast可說是打開多年防守謎團的一把關鍵鑰匙,因為這是棒球史上第一次,能夠藉由 科技的力量,完整且精確地將人跟球的移動軌跡、速度記錄起來。過去我們無法量化的「 過程中變因」,如今總算都能以數字呈現,讓我們不必再仰賴「結果」、很武斷地以成敗 論英雄。 Statcast的雷達系統精準紀錄了許多很有參考價值的數據,像是去年球季最快的球... Statcast的雷達系統精準紀錄了許多很有參考價值的數據,像是去年球季最快的球速等等 。 擷圖自大聯盟官網 大聯盟的數據分析師派崔洛(Mike Petriello)、歎戈(Tom Tango)、威爾曼(Daren W illman)等人,自Statcast系統啟用後,就不斷分析、整理、歸納所有收集到的數據跟資 料。 如今兩年過去,他們總算在獲取足夠樣本數的情況下,開發出一套讓一般普通球迷都能輕 鬆理解的防守評估方法,並且在今年三月中於亞利桑那鳳凰城舉行的美國棒球研究學會研 討會(SABR Analytics Conference)上,進行發表。 這個新開發的防守數據叫做「接殺形成率」(Catch Probability),可以明確指出一個 被打出去的球,防守難度有多高,藉以評估一個防守球員的真正守備實力(目前只適用於 外野飛球,日後會增加到內野滾地球等其他項目)。 至於背後的運算機制為何?簡單來說,就是整合Statcast追蹤的每一顆被擊中球的資料, 以及球員的反應時間、跑動軌跡和距離,算出每一個場內球的「被接殺機率」。為了讓球 迷更直觀的理解「被接殺機率」所代表的意義,歎戈等數據分析師依據不同的被接殺難度 ,將每一顆場內球進行「分級」,接殺形成率在零到25%的,被歸類在「五星級」(代表 最難被接殺,守備難度極高);26%到50%的,被歸類為「四星級」;51%到75%的,被歸類 為「三星級」;76%到90%的,被歸類為「二星級」;至於90%到95%的,則被劃分為「一星 級」(代表非常容易被夾殺,沒有什麼守備難度)(96%到100%的因為難度太低,所以不 值得被予以「星級」)。 有了這一套評估系統,球迷就能立刻知道,某一顆被打出去的球,在一般情況下有多大的 機率會被處理掉、形成出局數,也就是所謂的「難度」有多高。 接著再看場上真正在面對這球的防守球員,是否有順利地抓到出局數、過程中是否很吃力 ,還是十分輕鬆,並且綜合所有因子,以客觀的方式評斷該防守球員的守備表現。 舉例來說,如果一名防守球員,他在外野以飛撲的方式接到一顆飛球,在沒有「接殺形成 率」的數據輔助、單靠視覺畫面的情況下,我們通常會認為這是一個很棒的美技。但有了 「接殺形成率」後,假如我們發現事實上那顆飛球根據過去的統計,有高達85%的「接殺 形成率」,代表那顆飛球的實際難度只有兩星,那麼該名防守球員的美技,可能就不是那 麼的「美」,反而有很大的誤導球迷認知的效果。他之所以會接得驚險,完全是因為判斷 、起步不好,或是跑動過程中繞了遠路,造成效率不佳的防守路徑。 去年四月五日,當時人還在聖地牙哥教士的右外野手坎普(Matt Kemp)就做出了一個「 看似美技、實則普通」的外野接殺。面對透納(Justin Turner)擊出的外野飛球,坎普 在右外野的警戒區前徹底延展身體,做出飛撲接殺,獲得球迷和隊友立即的肯定回饋。 但事實上,根據Statcast的追蹤,該飛球的落點距離坎普原來的站位只有大約20公尺,一 般來說野手只需要4.3秒就能跑到,這兩個因子加總起來,該飛球的「接殺形成率」為75% ,代表只是一顆難度介於二星到三星之間的球,由此可見,即便結果是好的,但坎普的防 守過程並沒有處理得很好,讓自己陷於必須以風險較高的方式獲得出局數,長期下來,肯 定弊大於利。 相反的,如果一名外野手,用看起來稀鬆平常的跑動和接捕方式,處理掉一顆根據Statca st系統難度有四星的飛球,那我們就可以說這名球員的判斷力和移動效率佳。一直以來, 我們經常忽略這一類球員、這一類情況的表現價值,因為在畫面上,並沒有任何特別突出 之處。 如果長期下來,這種球員能夠處理非常多類似的高難度來球,那就代表他整體的防守能力 相當優質。 在真實的大聯盟賽場上,這種球員的最佳典範大概就是辛辛那提紅人的外野手漢米爾頓( Billy Hamilton)以及坦帕灣光芒的外野手基爾邁爾(Kevin Kiermaier)。 他們兩人都可以把難度很高的飛球,接得輕鬆寫意,所以除了我們看得到的許多精彩守備 鏡頭,他們還有很多憑藉極佳判斷力、極高跑動效率所製造的接殺,因為畫面衝擊性不大 ,而被大多數人忽視。 Statcast系統和接殺形成率的影響,除了讓我們得以用更聰明地方式評估防守,還佐證了 很多過去進階防守數據的結果,以及大家一般公認防守能力優異的球員,實力真的不假。 根據去年的數據,完成最多五星級接殺的球員是現在轉隊到華盛頓國民的伊頓(Adam Eat on)與亞特蘭大勇士的英席亞提(Ender Inciarte),分別都製造多達10個五星級接殺, 而他們也都是進階數據派和傳統球探認為防守能力極優的選手。 勇士中外野手英席亞提在防守時移動速度飛快,去年球季他就有大聯盟最多的十個五星 勇士中外野手英席亞提在防守時移動速度飛快,去年球季他就有大聯盟最多的十 棒球數據和科學化的革命,在導入Statcast的系統後,可說是邁入了全新的紀元,而「接 殺形成率」還有其他相關衍生數據的發明及創造,則將繼續替我們打破過去我們對防守、 甚至其他項目的誤解與迷思。 也許再過不久,我們就能徹底揮別「基特(Derek Jeter)的防守能力到底是好是壞」、 「瓊斯(Adam Jones)的防守範圍到底有沒有那麼大」等無解爭論,以更客觀、更聰明、 更有趣地方式來探討棒球,並從以往不存在的面相,獲取更多元的棒球知識。 …… 反觀,還在殺豬公 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 223.139.132.223 ※ 文章網址: https://www.ptt.cc/bbs/Baseball/M.1490751612.A.673.html

03/29 09:43, , 1F
中職就釣蝦阿很多球都接的很普通
03/29 09:43, 1F

03/29 09:44, , 2F
好猛 反觀日本還在殺豬公
03/29 09:44, 2F

03/29 09:45, , 3F
以MLB來說這都很先進吧
03/29 09:45, 3F

03/29 09:45, , 4F
很多撲接美技的確是判斷錯誤造成的結果
03/29 09:45, 4F

03/29 09:45, , 5F
水啦,終於不用再吵翻天了
03/29 09:45, 5F

03/29 09:47, , 6F
強,不斷地在研發
03/29 09:47, 6F

03/29 09:47, , 7F
釣蝦散步接球 vs 花花撲球美技的感覺
03/29 09:47, 7F

03/29 09:48, , 8F
日本殺豬光阿台北還沒發現火嗎 廠廠
03/29 09:48, 8F

03/29 09:49, , 9F
跟尚書認真就輸了
03/29 09:49, 9F

03/29 09:50, , 10F
這個是全場裝雷達去搜集球速度落點等資料嗎?
03/29 09:50, 10F

03/29 09:50, , 11F
Jim Edmonds表示還我已經退休了
03/29 09:50, 11F

03/29 09:52, , 12F
我猜是用影像辨識+建模,畫出整個球場判斷落點
03/29 09:52, 12F

03/29 09:53, , 13F
中職就是沒有進階守備數據 所以很難評估
03/29 09:53, 13F

03/29 09:53, , 14F
現在電腦實在太可怕了 球員在場上一舉一動都抓住
03/29 09:53, 14F

03/29 09:54, , 15F
以後可能連在場上抓幾次鳥都能統計了 (東哥表示:...)
03/29 09:54, 15F

03/29 09:54, , 16F
好文推一個!
03/29 09:54, 16F

03/29 09:55, , 17F
反觀西瓜
03/29 09:55, 17F

03/29 09:55, , 18F
第一步判斷很重要 好厲害的科學判斷啊
03/29 09:55, 18F

03/29 09:56, , 19F
運動科學本來就是新興學門 這種研究放眼各國都很新啊
03/29 09:56, 19F

03/29 09:56, , 20F
統計落點的話是連中職都有的技術....
03/29 09:56, 20F

03/29 09:56, , 21F
賽巴計量學
03/29 09:56, 21F

03/29 09:57, , 22F
剩下要把所有球員每球站位的大數據拿去跑
03/29 09:57, 22F

03/29 09:58, , 23F
富邦應該大扣分吧
03/29 09:58, 23F

03/29 09:58, , 24F
又在大數據了
03/29 09:58, 24F

03/29 09:59, , 25F
https://goo.gl/B5jUzg 文中提到的
03/29 09:59, 25F

03/29 09:59, , 26F
內野守備數據加進來,還能叫「接殺形成率」嗎?改「接
03/29 09:59, 26F

03/29 09:59, , 27F
球出局率」或許好一點
03/29 09:59, 27F

03/29 10:01, , 28F
Matt kemp哈哈
03/29 10:01, 28F

03/29 10:02, , 29F
藍眼人表示....
03/29 10:02, 29F

03/29 10:03, , 30F
滿酷的 能量化守備數據
03/29 10:03, 30F

03/29 10:03, , 31F
內野有內野的算法吧 這裡講的應該是外野手的部份
03/29 10:03, 31F

03/29 10:03, , 32F
一直以來 外野手的守備就很難被量化了
03/29 10:03, 32F

03/29 10:04, , 33F
我想扣分的只有那些印象派防守很好的球員吧
03/29 10:04, 33F

03/29 10:04, , 34F
這個主要能改善因為shift造成UZR的變因
03/29 10:04, 34F

03/29 10:05, , 35F
這幾年因為大量佈陣 使得UZR等進階數據變的不甚精確
03/29 10:05, 35F

03/29 10:05, , 36F
推 中職有些判斷差的很常"製造"美技
03/29 10:05, 36F

03/29 10:05, , 37F
在中職釣蝦就是最好的例子
03/29 10:05, 37F

03/29 10:07, , 38F
防守很好或很差的原本就看得出來 這數據能分辨在中間的
03/29 10:07, 38F

03/29 10:07, , 39F
接殺的不怎麼好看,但其實是難度很高的飛球
03/29 10:07, 39F
還有 93 則推文
03/29 13:25, , 133F
反應 站位偏左但球偏右的話 就跑的距離要遠一點反應
03/29 13:25, 133F

03/29 13:25, , 134F
時間短一點啊- -
03/29 13:25, 134F

03/29 13:25, , 135F
現在statcast可以做出first jump的時間 守備員的速度
03/29 13:25, 135F

03/29 13:25, , 136F
跑動距離 還有跑動方向的路徑效率值
03/29 13:25, 136F

03/29 13:26, , 137F
這些東西總跟一開始的站位無關而跟防守功力有關了吧
03/29 13:26, 137F

03/29 13:26, , 138F
問題防守者的站位如果是出於自己的判斷與經驗 這也得算
03/29 13:26, 138F

03/29 13:26, , 139F
打出去的球不長眼睛的
03/29 13:26, 139F

03/29 13:27, , 140F
在球員的守備能力內啊
03/29 13:27, 140F

03/29 13:29, , 141F
身體素質好但守備判斷差的選手也不少啊
03/29 13:29, 141F

03/29 13:29, , 142F
守備判斷差這點就會在first jump時間和跑動路徑效率
03/29 13:29, 142F

03/29 13:29, , 143F
反映了不是嗎
03/29 13:29, 143F

03/29 13:30, , 144F
同樣外野飛球 有人直直跑到定位 有人先亂跑好幾步後
03/29 13:30, 144F

03/29 13:30, , 145F
才找對方向 這不就判斷能力差異?
03/29 13:30, 145F

03/29 13:31, , 146F
先確認一下 first jump指的應該是球擊出後的球員瞬間反
03/29 13:31, 146F

03/29 13:31, , 147F
應 而不是球員就打擊位置後 防守者的站位吧
03/29 13:31, 147F

03/29 13:32, , 148F
球又不長眼睛 哪有那種站哪就往哪打的
03/29 13:32, 148F

03/29 13:33, , 149F
First jump是球被打中到守備員啟動的時間
03/29 13:33, 149F

03/29 13:33, , 150F
投手用什麼球種 打者打算怎麼打 這要讀心術了
03/29 13:33, 150F

03/29 13:33, , 151F
這就是有些球員的價值所在啊 他們會自己做功課打者是誰
03/29 13:33, 151F

03/29 13:34, , 152F
該往哪邊站位 這在移防觀念不普及的時候 很多球員會自
03/29 13:34, 152F

03/29 13:35, , 153F
己做站位的調整 這能不算是守備能力的一環嗎
03/29 13:35, 153F

03/29 13:35, , 154F
你把站位這回事看得太重要了......
03/29 13:35, 154F

03/29 13:35, , 155F
ball in play的路徑是沒辦法說掌握就掌握的
03/29 13:35, 155F

03/29 13:36, , 156F
這也就是那種極端shift收到的效果比想像中差的原因
03/29 13:36, 156F

03/29 13:36, , 157F
如果不承認站位的重要 豈不是否定現在的移防戰術嗎
03/29 13:36, 157F

03/29 13:37, , 158F
因為大部分的球會變成安打與否其實跟shift無關
03/29 13:37, 158F

03/29 13:37, , 159F
喔 這種談論shift的效果的文章很多唷
03/29 13:37, 159F

03/29 13:37, , 160F
目前看起來收到的效果就真的是不如預期
03/29 13:37, 160F

03/29 13:38, , 161F
我看到的不太一樣 shift出來的數據其實有較低 但低的不
03/29 13:38, 161F

03/29 13:39, , 162F
不多 所以有人說不如預期 但是如果考量到數據的差異 2
03/29 13:39, 162F

03/29 13:40, , 163F
成9打擊率的打者跟3成1的打者 差異也不大啊 尤其是1/9
03/29 13:40, 163F

03/29 13:41, , 164F
的棒次來看 我個人還是認為shift效果差 但還是有效果
03/29 13:41, 164F

03/29 13:41, , 165F
所以現在才會成為主流
03/29 13:41, 165F

03/29 13:45, , 166F
應該說 SHIFT的效果和能快速判斷落點以及移位的能力相比
03/29 13:45, 166F

03/29 13:46, , 167F
後者重要很多,所以先解決後者再去考量前者吧!
03/29 13:46, 167F

03/29 13:47, , 168F
我同意 所以我覺得有這個系統輔助判斷防守能力是好事
03/29 13:47, 168F

03/29 13:48, , 169F
但準確率能拉到多高我存疑
03/29 13:48, 169F

03/29 15:26, , 170F
這個確實解決了過去用純粹的防守數據來評斷球員的不足
03/29 15:26, 170F

03/29 15:27, , 171F
但還是會有例外 比如燈光 場地溼滑 應該就無法判斷
03/29 15:27, 171F

03/29 18:49, , 172F
反觀台灣
03/29 18:49, 172F
文章代碼(AID): #1Osn1yPp (Baseball)