[[282801]]

我喜歡籃球。我喜歡打籃球、看籃球、談籃球。有時候我會和朋友們談論諸如“如果科比和勒布朗單挑誰會贏”之類的話題。我需要用這次機器學習項目，將我的兩個愛好，籃球和數據科學有機地結合起來。 去年夏天，金州勇士隊轉出連續斬獲兩屆NBA決賽MVP(最有價值球員獎)的凱文·杜蘭特，引入德安格洛·拉塞爾。于是體育分析員紛紛開始猜測拉塞爾在勇士隊的適配程度，如下：

來源：clutchpoints

這也讓我開始思考：德安格洛·拉塞爾將如何適應勇士隊的節奏?能不能運用機器學習將NBA球員分類，并預測某一球員與指定球隊的兼容程度?

本項目的研究目的是，確定若干球員的類型，并根據歷史活動或他們對空間的利用確定他們在球場上扮演的角色。

得分、籃板、助攻、搶斷、蓋帽等數據不會被用作特征，因為它們依賴于例如出場時間或進球數量等數據(這項數據也不會出現在特征中)。將得分、籃板、助攻、搶斷、蓋帽等數據作為特征可能會使最終結果與這些特征密切相關，這就偏離了本次項目的初衷。我將在下文的研究方法部分詳細列舉所有的特征。

 

數據

我們來看一看數據部分。

數據是由Python和Selenium包從stats.nba.com提取加工而成。選取的特征大部分都基于上場頻率。很多打法都包含進攻和防守站位。比如說，“進攻背身單打率”指該球員背身單打時在進攻位的頻率;“防守背身單打率” 指該球員背身單打時在防守位的頻率。這些特征的附釋，可以參考此鏈接：https://stats.nba.com/help/glossary/。

樣本數據：272名球員

初始數據集包含531名球員。而后上場時間少于半個賽季及1000分鐘的球員被移出樣本數據。這樣做的原則是，去除所有出場不穩定的球員。以下是完整的球員樣本名單：

球員名單

選取特征：41個

篩選之前特征總數超過600。最后選取了描述落位和運球的特征。

特征列表

研究方法和模型選擇

由于本項目屬于無監督學習，它得出的結果需要進一步分析。我在模型和簇數選擇上有兩個目標：

1. 突出簇之間的顯著差異。簇數太少，每個簇中樣本太多，不能得出各個球員間的風格差異。

2. 避免簇數過多。如果每個球員都是一個簇，結果只能表明每一個人都是獨立的個體，這對研究的幫助很小。

模型選擇： DBSCAN, K-means和Mean Shift

以上三個模型中，K-Means最有效地實現了研究目標。DBSCAN和Mean Shift生成的結果都包含多個僅含一個球員的簇。

簇的數量：10個

我決定將簇的數量定為5的倍數，因為籃球場上有5個位置。10個簇切合了我設想的研究方法。

研究結果

我用所得結果計算了每個組中所有特征的平均數，并根據最高和第二高的特征對每組進行了排名。術語定義如下： 首要特征：所列特征的平均值在一組中是最高的。次要特征：所列特征的平均值在一組中是第二高的。 除此之外，還通過條形圖展現了每組的首要特征，用于與其他球員作對比。

第一組

[[282802]]

史蒂芬·庫里

布拉德利·比爾, 巴迪·希爾德, 史蒂芬·庫里, 埃文·, 特雷沃·阿里扎,凱爾·洛瑞, 喬·英格爾斯, 小奧托·波特, 博格丹·博格達諾維奇,艾弗里·布拉德利, 小蒂姆·哈達威, 杰森·塔圖姆, 賈斯蒂斯·溫斯洛, 杰里米·蘭姆,伊托萬·摩爾, 凱文·諾克斯, 凱文·許爾特, 波格丹·波格諾維奇, 加里·哈里斯, 布林·福布斯, 埃里克·戈登, 泰勒·約翰遜, 達米安·多特森, 托里恩·普林斯, 加里特·坦普爾

首要特征：防守單打投籃率

次要特征：手遞手防守率, 防守繞掩護投籃率, 防守繞掩護率, 防守背身單打率, 快攻率, 手遞手進攻率, 進攻繞掩護投籃率

防守遠射頻率

第二組 卡爾·安東尼·唐斯，拉馬庫斯·阿爾德里奇，喬爾·恩比德，賽迪斯·楊，布雷克·格里芬，安東尼·戴維斯，尼克拉·約基奇，朱利葉斯·蘭德爾，尼可拉·武切維奇，德安德烈·艾頓，邁爾斯·特納，艾爾·霍福德，馬克·加索爾，馬爾文·巴格萊三世，小賈倫·杰克遜，賽爾吉·伊巴卡，鮑比·波蒂斯，伊內斯·坎特，喬納斯·瓦蘭西尤納斯，羅賓·洛佩茲，馬基夫·莫里斯，戈爾吉·吉恩

首要特征：進攻背身單打率，背身單打觸球率

次要特征：進攻籃板球率調整

進攻背身單打率

第三組

PJ塔克，德雷蒙德·格林，馬爾文·威廉姆斯，杰·克勞德，布魯克·洛佩茲，達里奧·薩里奇，德維恩·戴德蒙，杰夫·格林，凱利·奧里尼克，戴維斯·貝爾坦斯，邁克·穆斯卡拉，馬克西·克雷貝爾，賈里德·杜德利，邁克·斯科特，約納斯·杰雷布克，安東尼·托利弗，文斯·卡特

首要特征：接球投籃率, 進攻定點投籃率, 無防守投籃率, 防守單打率, 防守背身單打率

次要特征：防守定點投籃率, 傳球數大于接球數

接球投籃率

第四組

約什·理查德森，CJ·麥科勒姆，邁克·康利，賈馬爾·穆雷，達龍·福克斯，特雷·楊，賽迪·奧斯曼，艾弗里德·佩頓，克里斯·鄧恩，丹尼·施羅德，埃里克·布萊德索，馬爾科姆·布羅格登，托馬斯·薩托蘭斯基，帕特里克·貝弗利，小丹尼·史密斯，伊曼紐爾·穆迪埃，弗雷德·范弗里特，里基·盧比奧，謝伊·吉爾吉斯·亞歷山大，達倫·科里森，雷吉·杰克遜，D.J.奧古斯汀，科里·約瑟夫，德雷克·懷特，萊恩·阿什蒂亞克諾

首要特征： 防守籃板球距離, 進攻擋拆執行率，拿球平均運球數, 勻速進攻

次要特征：平均拿球秒數，進攻擋拆執行率, 進攻籃板球距離, 長運球投籃率

防守球處理頻率

第五組

 

[[282806]]

勒布朗·詹姆斯

 

 

朱·赫勒迪，保羅·喬治，扎可·拉文，托拜厄斯·哈里斯，布蘭登·英格拉姆，吉米·巴特勒，德文·布克，科懷·倫納德，德瑪爾·德羅贊，肯巴·沃克，拉塞爾·威斯布魯克，達米安·利拉德，安德魯·維金斯，多諾萬·米切爾，凱爾·歐文，凱文·杜蘭特，勒布朗·詹姆斯，詹姆斯·哈登，克里斯·米德爾頓，盧卡·東契奇，科林·塞克斯頓，德安吉洛·拉塞爾，克里斯·保羅，拉簡·隆多，喬丹·卡拉克森

首要特征： 長運球投籃率，進攻單打率, 進攻擋拆執行率，觸球平均秒數

次要特征：觸球平均運球數，防守擋拆執行頻率。防守籃板球概率調整，無防守投籃率

拿球平均運球數

第六組

尼古拉斯·巴圖姆，朗佐·鮑爾，米卡爾·布里奇斯，丹尼·格林，小凱利·烏布雷，喬納森·艾薩克，特倫斯·弗格森，杰倫·布朗，多里安·芬尼·史密斯，肯里奇·威廉姆斯，約什·奧肯基，德瑪雷·卡羅爾，德安徳烈·本布里，莫里斯·哈克里斯，安德烈·伊格達拉，羅季翁斯·庫魯茲，詹姆斯·恩尼斯三世，沙奎爾·哈里森，帕特·康諾頓，羅伊斯·奧尼爾，OG·安娜諾比，托里·克雷格，賈斯汀·杰克遜，布魯斯·布朗，弗蘭克·杰克遜

首要特征： 快攻率，防守背身單打率，防守投籃率

次要特征：防守單打投籃率，進攻定點投籃率，無防守投籃率

 

快攻率

 

 第七組

 

德安德烈·喬丹，蒙特雷斯·哈雷爾，巴姆·阿德巴約，杰邁克爾·格林，梅森·普拉姆利，米切爾·羅賓遜，扎克·科林斯

首要特征：其他進攻戰術概率，其他進攻概率，近對抗投籃率，防守擋拆執行率，防守定點投籃率

次要特征：對抗投籃率，防守投籃率，肘區觸球率，進攻空切率，進攻背身單打率，油漆區/三秒區觸球率，背身單打觸球率

 

近距離對抗投籃率 

第八組

 

[[282809]]

揚尼斯·安特托昆博

 

凱爾·庫茲瑪，阿隆·戈登，本·西蒙斯，哈里森·巴恩斯，杰拉米·格蘭特，帕斯卡爾·西亞卡姆，揚尼斯·安特托昆博，勞里·馬爾卡寧，T.J·沃倫，凱爾·安德森，達尼羅·加理納利，艾爾·法魯克·阿米奴，賈巴里·帕克，諾阿·馮萊，內馬尼亞·別利察，威爾森·錢德勒，邁爾斯·布里奇斯，朗達·霍里斯·杰弗森，馬里奧·海佐尼亞，詹姆斯·約翰遜，小德里克·瓊斯

 

首要特征：防守籃板球率改變，防守定點率，防守繞掩護投籃率

次要特征：防守單打率，防守擋拆執行投籃率，防守定點投籃率，進攻單打率

防守籃板球概率改變

 第九組

克萊·湯普森，JJ·雷迪克，賈斯汀·霍勒迪，喬·哈里斯，雷吉·巴洛克，韋斯利·馬修斯，特倫斯·羅斯，阿倫·克拉布，肯塔維奧斯·考德威爾·波普，蘭德里·沙梅特，維恩·艾靈頓，馬爾科·貝里內利，達柳斯·米勒，蘭斯頓·加洛韋，凱爾·科沃爾，道格·麥克德莫特，托尼·斯內爾

首要特征：進攻手遞手率，進攻繞掩護投籃率，無防守投籃率，進攻籃板球距離，防守手遞手率，防守繞掩護率

次要特征：勻速進攻，接球突投率，防守籃板球距離

無防守投籃率

 

 

 

第十組

史蒂夫·亞當斯，克林特·卡佩拉，魯迪·戈貝爾，安德烈·德拉蒙德，約翰·科林斯，威利·考利·斯坦，特里斯坦·湯普森，尤素福·努爾基齊，科迪·澤勒，賈瑞特·艾倫，拉里·南斯二世，溫德爾·卡特二世，德曼塔斯·薩博提斯，泰·吉布森，德雷克·費沃斯，德懷特·鮑威爾，賈維爾·麥基，哈桑·懷特賽德，托馬斯·布萊恩特，亞歷克斯·萊恩，凱文·魯尼，艾德·戴維斯，伊維察·祖巴茨，雅各布·珀爾特爾，安特·日日奇

首要特征：進攻擋拆執行率，進攻空切率，投籃率，進攻籃板球概率調整，傳球數大于接球數，肘區觸球率，三秒區/油漆區觸球率

次要特征：近對抗投籃率，防守背身單打率，進攻其他概率，進攻戰術其他概率

三秒區/油漆區觸球率 

 

結果讓我吃驚。通常來說，我們認為像史蒂芬·庫里這樣的全聯盟的頂尖得分后衛會和其他明星球員并列，但是，這次使用的模型將他分到了第一組，在其中的大部分球員能力值一般。對比之下，第五組里就包含很多明星球員。作為控球球員，他們的首要特征是：長運球投籃率，進攻單打率，進攻擋拆執行率，平均觸球秒數。

 

很希望能詳細討論每一組的數據特征，但既然這是一個數據科學項目，我將在下文轉而闡述數據可視化問題。

 

結果可視化

由于將41個維度全部可視化的難度很大，我運用了主成分分析(PCA)將41個維度縮減到3個維度。不熟悉主成分分析的讀者可以參考下文定義： “主成分分析負責尋找新的維度系列(或是一套基本觀點系)，使得所有的維度呈現正交關系(即相互線性獨立)，并根據它們之間的數據差額排列。這意味著，主成分分析保留了那些更重要的原則。”

整合K-means輸出和主成分分析降維之后的結果，生成了Plotly三個三維集群，截圖如下：

三維圖表

 

 三維空間更容易顯現各個簇之間的差異，圖表也能直觀地表現K-means是如何將41個維度分為4個簇的。

 

 

結論與感想

回到最初的問題：德安格洛·拉塞爾能否和史蒂芬·庫里有效配合?讓我們回到第五組。

 

勇士隊轉出凱文杜蘭特，轉入德安格洛·拉塞爾。這兩個人都屬于第五組，即控球球員組。

因此，我給勇士隊主教練史蒂夫·科爾的建議是，讓庫里和拉塞爾同時上場。當然，他肯定預料到了這一點，也無再需讓模型給他出謀劃策。預計拉塞爾的控球率將有所提高，而庫里則將更多地扮演無球球員的角色。

我希望在未來逐一分析各組里的球員，并考察每一名球員在組內的首要特征和次要特征上表現如何。增加分析性內容，思考如何提高不盡人意之處，或如何重新定位球員在球隊中的角色，將有助于提升球員的表現。