Re: [新聞] CPBL English-春天哥專訪

看板Baseball作者 (...)時間8年前 (2017/06/08 10:36), 編輯推噓24(27推 3噓 64→)
留言94則, 30人參與, 最新討論串11/20 (看更多)
強者我朋友， 以前念書的時候我們玩聯盟舉辦的夢幻總教練， 常常一起研究怎麼拼湊出最佳球隊， 後來工作以後還是壓抑不了內心的棒球魂!! 自己設計了一套數據分析系統， 記錄完後可以跑出各項的統計分析報表。 聽他說季初有跟統一全教練團(含春天哥)做簡報， 按照這個報導的內容看來 後來大概也是GG了吧 不知道有沒有人知道現在台灣各球團有誰在用這種系統的嗎? ============= 電視上不是每天都在說大數據分析 怎麼沒人想到用在棒球這一塊啊....... -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 211.72.231.162 ※ 文章網址: https://www.ptt.cc/bbs/Baseball/M.1496889383.A.5FA.html
推
06/08 10:37, , 1F
喵喵不是都上雲端了嗎？
06/08 10:37, 1F
推
06/08 10:37, , 2F
有 也不會告知
06/08 10:37, 2F
推
06/08 10:38, , 3F
我資質駑鈍 看不懂甚麼系統
06/08 10:38, 3F
推
06/08 10:38, , 4F
人家統一都在雲端了還在報表
06/08 10:38, 4F
推
06/08 10:38, , 5F
棒球是應用這塊最多的好嗎
06/08 10:38, 5F
推
06/08 10:38, , 6F
....你覺得怎麼沒有？ 很多教授研究都有...
06/08 10:38, 6F
→
06/08 10:39, , 7F
只有統一獅教練整天直覺神明託夢
06/08 10:39, 7F
→
06/08 10:39, , 8F
隊數太少了.. 先發就那幾個 我看以後也是沒什麼機會
06/08 10:39, 8F
推
06/08 10:43, , 9F
怎麼沒有 其他隊應該都有 統一不好說
06/08 10:43, 9F
推
06/08 10:46, , 10F
統一:想要我的報表嗎？我把它們統統放在雲端了
06/08 10:46, 10F
推
06/08 10:48, , 11F
你覺得會拿空資料夾裝模作樣的教練團會想要這種東西嗎？
06/08 10:48, 11F
→
06/08 10:54, , 12F
雲端不就yahoo運動跟CPBL TV 我也知道
06/08 10:54, 12F
→
06/08 11:05, , 13F
陣容最佳化大概只能在夢裡或電動裡實現吧
06/08 11:05, 13F
→
06/08 11:06, , 14F
總教練都得顧慮複雜的群體互動關係~哪有那麼簡單
06/08 11:06, 14F
推
06/08 11:06, , 15F
說不定人家拿OOTP來分析數據啊
06/08 11:06, 15F
推
06/08 11:07, , 16F
(誤
06/08 11:07, 16F
噓
06/08 11:09, , 17F
聯盟不開放數據啊！這問題我在板上問過了哎
06/08 11:09, 17F
→
06/08 11:09, , 18F
即使有數據分析的資料，台灣教練懂得運用的知識水準也
06/08 11:09, 18F
→
06/08 11:09, , 19F
要到啊！
06/08 11:09, 19F
推
06/08 11:10, , 20F
以軟硬體輔助球隊運作這部分老實說國內真的還是米糕領
06/08 11:10, 20F
→
06/08 11:10, , 21F
先各隊，喵喵應該是落後最多，以前學弟接觸球團經驗告訴
06/08 11:10, 21F
→
06/08 11:10, , 22F
我的
06/08 11:10, 22F
推
06/08 11:10, , 23F
mlb用到足球都在學了好嗎..
06/08 11:10, 23F
推
06/08 11:13, , 24F
都有，但有沒有拿出來用是另一回事
06/08 11:13, 24F
推
06/08 11:15, , 25F
有了高科技雲端 誰要大數據
06/08 11:15, 25F
推
06/08 11:20, , 26F
如果真的 可以試試看去其他球團試看看
06/08 11:20, 26F
推
06/08 11:27, , 27F
喵喵已經上雲端了
06/08 11:27, 27F
→
06/08 11:32, , 28F
原來是上雲端了喔..這麼厲害。統一果然是大球團..(真假?)
06/08 11:32, 28F
推
06/08 11:34, , 29F
就現成的資料早就有對應的分析了吧
06/08 11:34, 29F
噓
06/08 11:37, , 30F
中職開放所有紀錄資料庫，保證馬上上太空
06/08 11:37, 30F
→
06/08 11:38, , 31F
太多人願意用數據去做資料探勘啊，機器學習啊
06/08 11:38, 31F
推
06/08 11:39, , 32F
早就應該數據分析了,但是這些教練會不會看不懂?
06/08 11:39, 32F
→
06/08 11:40, , 33F
你做機器學習，深度學習，教練跟人根本沒必要看懂
06/08 11:40, 33F
→
06/08 11:40, , 34F
因為電腦學習過後，就會自動幫你找出最佳解了
06/08 11:40, 34F
→
06/08 11:41, , 35F
當然，先撇開人在場上打擊沒辦法馬上得知電腦的資訊
06/08 11:41, 35F
→
06/08 11:41, , 36F
但人跟電腦差別就在，人的分析還是太粗略與直觀
06/08 11:41, 36F
→
06/08 11:42, , 37F
舉例：某捕手在連兩顆直球之後很高機率會配曲球
06/08 11:42, 37F
→
06/08 11:42, , 38F
上面就是人會做出的觀點
06/08 11:42, 38F
※ itrs821:轉錄至看板 Lions 06/08 11:42
→
06/08 11:43, , 39F
但機器學習就跟AlphaGO一樣，你的特徵給夠有用夠好
06/08 11:43, 39F
→
06/08 11:43, , 40F
他就可能能夠在同樣情況下，做出不同於人的精確判斷
06/08 11:43, 40F
→
06/08 11:44, , 41F
你可能不知道他按照哪些評判得出他的最佳解
06/08 11:44, 41F
→
06/08 11:44, , 42F
但只要有足夠量的數據，跟精準的特徵挑選
06/08 11:44, 42F
→
06/08 11:44, , 43F
就可以讓機器對於投捕策略的預測越來越精準
06/08 11:44, 43F
→
06/08 11:45, , 44F
當然投捕只是舉例，這可以廣泛運用在打擊守備等等
06/08 11:45, 44F
→
06/08 11:45, , 45F
運動牽涉到的因素太多，「只」用數據分析作為決策依據有時
06/08 11:45, 45F
→
06/08 11:45, , 46F
候會沒辦法顧慮到「人」的因素，例如在撲克牌裡面塞一隻牙
06/08 11:45, 46F
→
06/08 11:45, , 47F
籤才瞇牌(誤)
06/08 11:45, 47F
推
06/08 11:48, , 48F
AlphaGO 對決的也是人，變化性也是千變萬化，人總是
06/08 11:48, 48F
→
06/08 11:49, , 49F
以為自己做的變化能夠在總觀的大局上產生影響
06/08 11:49, 49F
→
06/08 11:49, , 50F
實際狀況是，如果數據與時間拉得夠深夠長，人的變化
06/08 11:49, 50F
→
06/08 11:49, , 51F
一定是可以被分析出來的
06/08 11:49, 51F
→
06/08 11:50, , 52F
棒球本身就是失敗的運動，以宏觀的角度看，只要機器
06/08 11:50, 52F
→
06/08 11:51, , 53F
學習能在整個賽季帶來提升，無論多寡都是值得期待的
06/08 11:51, 53F
推
06/08 11:53, , 54F
人之間的關係有時也很重要 假設神拳在的時候釣蝦不爽
06/08 11:53, 54F
→
06/08 11:53, , 55F
所以數據不好，神拳下去休息就爆發 ID分析得出來嗎
06/08 11:53, 55F
推
06/08 11:54, , 56F
alphago自己可以跟自己下圍棋,判斷勝負,以進行增強式訓練
06/08 11:54, 56F
→
06/08 11:54, , 57F
又或者是跟A-lin抱抱後 小鄧鄧打擊突然爆發（誤）
06/08 11:54, 57F
推
06/08 11:54, , 58F
如果你今天目的是希望機器去學習排出最佳陣容，可以
06/08 11:54, 58F
→
06/08 11:54, , 59F
機器沒辦法自己跟自己打棒球(頂多就是模擬棒球遊戲)
06/08 11:54, 59F
→
06/08 11:54, , 60F
最有名的就是跟郭書瑤握手後 劉家豪就打出滿貫炮 XD
06/08 11:54, 60F
→
06/08 11:55, , 61F
所以你得到的是一個很會玩棒球模擬遊戲的AI
06/08 11:55, 61F
→
06/08 11:55, , 62F
只是機器學習有Classifying跟Clustering，最佳陣容
06/08 11:55, 62F
→
06/08 11:56, , 63F
他的實用程度就跟讓電腦模擬打比賽的逼真程度有關
06/08 11:56, 63F
→
06/08 11:56, , 64F
基本上就是Clustering，你不會知道他怎麼判斷出來的
06/08 11:56, 64F
→
06/08 11:57, , 65F
劉家豪我以前很喜歡他，但什麼握手之後滿貫就跟展元
06/08 11:57, 65F
→
06/08 11:57, , 66F
鐵嘴一樣是沒意義的啊，不然每場都叫郭書瑤來握手XD
06/08 11:57, 66F
噓
06/08 11:58, , 67F
明明不懂AlphaGO怎樣運作 別來唬爛
06/08 11:58, 67F
→
06/08 11:58, , 68F
不知道AlphaGo能不能算出朱佬助跑打安打的機率有多少(誤)
06/08 11:58, 68F
推
06/08 12:02, , 69F
請提出觀點，我發多少機器學習的論文時你在哪？呵
06/08 12:02, 69F
→
06/08 12:08, , 70F
恰恰上去安撫投手深呼吸 投手穩定無失分 數據看得出來
06/08 12:08, 70F
→
06/08 12:08, , 71F
嗎 還是肥恰該退休了
06/08 12:08, 71F
→
06/08 12:09, , 72F
怎麼不想想是不是說不定是做的太差沒有用啊
06/08 12:09, 72F
→
06/08 12:09, , 73F
怎麼不想想是不是做的太差沒有用啊
06/08 12:09, 73F
→
06/08 12:09, , 74F
有數據 如何運用又是另回事
06/08 12:09, 74F
推
06/08 12:12, , 75F
建議先去了解機器學習是什麼，策略分析不用這些特徵
06/08 12:12, 75F
→
06/08 12:13, , 76F
不過說實在，如果聯盟沒有科學化的逐球紀錄，也沒用
06/08 12:13, 76F
→
06/08 12:14, , 77F
機器學習是很好的東西，然而我要說的是棒球也有成功率的因
06/08 12:14, 77F
→
06/08 12:14, , 78F
素要考量，再加上每個人也會改變自己的策略(就像忽然放棄
06/08 12:14, 78F
→
06/08 12:14, , 79F
兩好球後的攻擊策略一樣)而影響戰局的情況。魔球一書裡面
06/08 12:14, 79F
→
06/08 12:14, , 80F
提的運用數據系統可以讓他們在資源有限的運作空間內在「例
06/08 12:14, 80F
→
06/08 12:14, , 81F
行賽」取得好的戰績，但到了「季後賽」，就他X的運氣。
06/08 12:14, 81F
→
06/08 12:14, , 82F
放長遠如一季來看，的確會趨近計算結果，但是總仔要做的是
06/08 12:14, 82F
→
06/08 12:14, , 83F
要左右「這一場」、「這一局」，甚至「這個play」的結果。
06/08 12:14, 83F
→
06/08 12:14, , 84F
這就不一定是機器學習能夠百分百做到的事情了。
06/08 12:14, 84F
→
06/08 12:14, , 85F
當然我們可以宣稱在「理想狀態」下可以達到多少的命中率，
06/08 12:14, 85F
→
06/08 12:14, , 86F
但那時候要面臨的就是「運動是人的競技，還是比誰的AI比較
06/08 12:14, 86F
→
06/08 12:14, , 87F
強，人類在場上打球只是負責驗證」這種形而上的問題。
06/08 12:14, 87F
推
06/08 13:23, , 88F
聯盟其實有對球團跟媒體開放資料的喔
06/08 13:23, 88F
推
06/08 13:26, , 89F
其實就算聯盟不開放資料庫也是可以球隊自己培養紀錄員
06/08 13:26, 89F
→
06/08 13:26, , 90F
只是球隊願不願意投資這塊而已
06/08 13:26, 90F
→
06/08 13:26, , 91F
不過就算你做機器學習跑出來的東西 我很好奇台灣教練接受
06/08 13:26, 91F
→
06/08 13:27, , 92F
度多少? 尤其當你看到黃甘霖成天嘴上掛著託夢神明感覺後
06/08 13:27, 92F
→
06/08 13:40, , 93F
強者我朋友的系統是連資料收集的部分也自己設計，他自己
06/08 13:40, 93F
→
06/08 13:40, , 94F
跑上來貼了一些系統的圖表，大家可以去鞭他了！
06/08 13:40, 94F
‣ 更多 Joe0001 的文章
文章代碼(AID): #1PEBWdNw (Baseball)
討論串 (同標題文章)
完整討論串 (本文為第 11 之 20 篇)：
排序： 最新先 | 最舊先 | 留言數
在新視窗開啟完整討論串 (共20篇)
‣ 更多 Joe0001 的文章
文章代碼(AID): #1PEBWdNw (Baseball)