[論文レビュー] Performance Prediction in Major League Baseball by Long Short-Term Memory Networks

Hsuan-Cheng Sun, Tse-Yu Lin+1 more|arXiv (Cornell University)|Jun 20, 2022

Sports Analytics and Performance被引用数 4

ひとこと要約

本論文では、メジャーリーグベースボール（MLB）の歴史的選手統計に基づき、長短期記憶（LSTM）ネットワークを用いてホームラン成績を予測する手法を提案する。研究では、LSTMモデルが従来の機械学習モデルおよび広く使われているsZymborski予測システム（ZiPS）を上回ることを示し、特に2019年にMAEおよびRMSEが低く抑えられ、小さな誤差区間内での予測がより正確であることを明らかにした。

ABSTRACT

Player performance prediction is a serious problem in every sport since it brings valuable future information for managers to make important decisions. In baseball industries, there already existed variable prediction systems and many types of researches that attempt to provide accurate predictions and help domain users. However, it is a lack of studies about the predicting method or systems based on deep learning. Deep learning models had proven to be the greatest solutions in different fields nowadays, so we believe they could be tried and applied to the prediction problem in baseball. Hence, the predicting abilities of deep learning models are set to be our research problem in this paper. As a beginning, we select numbers of home runs as the target because it is one of the most critical indexes to understand the power and the talent of baseball hitters. Moreover, we use the sequential model Long Short-Term Memory as our main method to solve the home run prediction problem in Major League Baseball. We compare models' ability with several machine learning models and a widely used baseball projection system, sZymborski Projection System. Our results show that Long Short-Term Memory has better performance than others and has the ability to make more exact predictions. We conclude that Long Short-Term Memory is a feasible way for performance prediction problems in baseball and could bring valuable information to fit users' needs.

研究の動機と目的

• 深層学習、特にLSTMネットワークを用いたMLBにおける将来の選手成績予測の可能性を探ること。
• ヒッターの力強さと才能の指標であるホームラン数の予測精度について、既存のモデルと比較してLSTMの性能を評価すること。
• 時系列選手統計に基づくより正確な予測システムの開発を通じて、野球の意思決定に役立つイン사이트を提供すること。
• 深層学習を用いた時系列予測の新たな基準を確立し、現在の文献における空白を埋めること。

提案手法

• 本研究では、時系列選手統計を処理するため、長短期記憶（LSTM）ネットワークを用いた時系列モデリング手法を採用する。
• 入力特徴量には、複数シーズンにわたって集計された20の歴史的成績指標（出塁機会数、安打数、ホームラン数、四球数など）が含まれる。
• 5種類の異なるLSTMアーキテクチャを訓練・比較し、予測性能を最適化するためのハイパーパramータチューニングを実施する。
• モデルの性能は、2018年および2019年のテストデータを用いてMAE（平均絶対誤差）およびRMSE（平均二乗誤差の平方根）で評価される。
• 予測結果は、広く使われている予測システム（sZymborski予測システム、すなわちZiPS）および線形回帰やランダムフォレストといった従来の機械学習モデルと比較される。
• データ制限のため、選手の身長および体重はシーズンを通じて一定であると仮定しており、ハードヒット率やBABIPなどの高度な指標は含まれていない。

実験結果

リサーチクエスチョン

• RQ1 LSTMネットワークは、歴史的成績データを用いてMLB選手の将来のホームラン生産を効果的に予測できるか？
• RQ2 LSTMの予測性能は、従来の機械学習モデルおよび確立されたZiPS予測システムと比べてどのように異なるか？
• RQ3 時系列モデリングは、スポーツにおける選手成績予測精度にどのような影響を与えるか？
• RQ4 高ホームラン選手（例：30本以上）はなぜ予測が難しいのか、LSTMモデルはこの課題に対処できるか？

主な発見

• LSTMモデルは2019年のテストセットで、線形回帰やZiPSを含むすべてのモデルと比較して最低のMAEおよびRMSEを達成した。
• 2018年には線形回帰がLSTMと同等に低いRMSEおよびMAEを示したが、2019年にはLSTMが他のすべてのモデルを著しく上回った。
• LSTMモデルは、予測値と実際のホームラン数との間で小さな誤差区間内に最も正確な予測を出したのに対し、他のモデルは予測値と実際の値の間で大きな乖離を示した。
• 本研究では、深層学習、特にLSTMが、野球における時系列成績予測に強固で効果的な手法であることが確認された。
• 結果から、LSTMは今後の研究および実務的応用におけるプレーヤー成績予測の新たな基準として機能できる可能性がある。
• 高ホームラン選手（30本以上）の予測は依然として困難であることが示され、モデルアーキテクチャーや特徴工学のさらなる検討が必要であることが示唆された。