[論文レビュー] Offensive Lineup Analysis in Basketball with Clustering Players Based on Shooting Style and Offensive Role

Kazuhiro Yamada, Keisuke Fujii|arXiv (Cornell University)|Mar 4, 2024

Sports Performance and Training被引用数 4

ひとこと要約

本研究では、追跡データとプレイタイプのアノテーション、および高度な統計を用いて、プレーヤーを異なるシューティングスタイルにクラスタリングし、オフェンスの役割を特定することで、バスケットボールのオフェンスラインナップを分析する新しいフレームワークを提案する。ベイジアン階層モデルを適用して相性を定量化した結果、オールラウンダー、ボールハンドラー、3ポイントシューティングプレーヤーの組み合わせが、最高のスコアリング効率を示した。一方、ミドルレンジまたは近距離シュートを主戦力とするビッグプレーヤーの組み合わせは、低い効果を示した。

ABSTRACT

In a basketball game, scoring efficiency holds significant importance due to the numerous offensive possessions per game. Enhancing scoring efficiency necessitates effective collaboration among players with diverse playing styles. In previous studies, basketball lineups have been analyzed, but their playing style compatibility has not been quantitatively examined. The purpose of this study is to analyze more specifically the impact of playing style compatibility on scoring efficiency, focusing only on offense. This study employs two methods to capture the playing styles of players on offense: shooting style clustering using tracking data, and offensive role clustering based on annotated playtypes and advanced statistics. For the former, interpretable hand-crafted shot features and Wasserstein distances between shooting style distributions were utilized. For the latter, soft clustering was applied to playtype data for the first time. Subsequently, based on the lineup information derived from these two clusterings, machine learning models Bayesian models that predict statistics representing scoring efficiency were trained and interpreted. These approaches provide insights into which combinations of five players tend to be effective and which combinations of two players tend to produce good effects.

研究の動機と目的

• バスケットボールのオフェンスにおけるプレーヤーのプレー様式の相性を定量的に評価すること。
• 防衛的要因を混同しないように、オフェンスの特徴にのみ焦点を当て、解釈可能性を向上させること。
• 追跡データからのシューティングスタイルのクラスタリングと、プレイタイプ統計からのオフェンス役割のクラスタリングを組み合わせた二重クラスタリング手法を構築し、より正確なラインナップ分析を実現すること。
• ベイジアンモデリングを用いて、プレーヤーのペアリングやラインナップ構成がスコアリング効率に与える影響を推定すること。

提案手法

• シューティングスタイルのクラスタリングには、手作業で設計されたシュート特徴（例：シュート位置、リリースタイミング、ドリブル回数）と、ワッサーシュタイン距離を用いてシュート分布の類似性を比較する。
• オフェンス役割のクラスタリングには、プレイタイプの割合と高度な統計（例：トゥルーシューティング、使用率）にソフトクラスタリングを適用し、複合的なオフェンス役割を定義する。
• ベイジアン階層モデルを訓練し、クラスタ構成を予測変数として用いて、スコアリング効率指標（例：100ポSESSIONあたりの得点）を予測する。
• モデルはプレーヤークラスタの個別効果とペアワイズ効果を推定し、パフォーマンスへの連携や相性の解釈を可能にする。
• 手作業で設計された特徴とソフトクラスタリングを用いることで、直感的なプレーヤーのアーキタイプへの直接的なマッピングが可能となり、解釈性が向上する。
• 分析はオフェンスデータに限定され、オフェンスの連携効果が防衛的要因やチーム全体の効果から分離されている。

実験結果

リサーチクエスチョン

• RQ1 どのシューティングスタイルの組み合わせがバスケットボールのラインナップで高いオフェンス効率をもたらすか？
• RQ2 オフェンス役割（例：イソレーションアタッカー、スポットアップシューター）の相性は、チームのスコア出力にどのように影響するか？
• RQ3 補完的なオフェンス役割を持つプレーヤーの協調的ペアリングは、チームパフォーマンスをどの程度向上させるか？
• RQ4 プレイタイプデータのソフトクラスタリングは、伝統的なポジションを越えた複雑なオフェンス役割を効果的に捉え、定量化できるか？
• RQ5 プレーヤークラスタの組み合わせの推定効果は、伝統的なポジションクラスタリングと比較して、オフェンス成功を予測する上でどの程度優れているか？

主な発見

• オールラウンダー、ボールハンドラー、3ポイントシューティングプレーヤーの組み合わせが、100ポSESSIONあたりの得点に0.3460の中央値効果を示し、最も高いスコアリング効率を記録した。
• 2人の強力なスコアラーを含むラインナップ（具体的には、イソレーションアタッカーとボールハンドラー、または3ポイントシューティングプレーヤーのペア）は、以前の予想よりも強い正の効果を示した。中央値効果は0.2900であった。
• ミドルレンジまたは近距離シュートを主戦力とするビッグプレーヤーの組み合わせは、一貫して効果が低く、最悪のペアリング（例：ポストアップビッグとストレッチビッグ）では負の効果が観察された。PUBとWWHのペアでは-0.4720の効果が得られた。
• イソレーションアタッカーとウイング、ボールハンドラー、シューターの組み合わせは、非常に効果的であることが判明し、主スコーラーとその支援役との間で強い連携が生まれることを示唆している。
• 高いシューティング能力を持つプレーヤーは、効果が低い役割のペアリングをある程度相殺できる。SASのラインナップでは、最適でないペアリングでもスコアリング効率が著しく低下しなかった。
• 本研究で提案されたクラスタリング手法、特に10クラスタのシューティングスタイルモデルは、動的追跡特徴の組み込みにより、Fanら（2023年）の先行研究と比較して、より解釈可能で正確な区別を可能にした。