[논문 리뷰] Offensive Lineup Analysis in Basketball with Clustering Players Based on Shooting Style and Offensive Role

Kazuhiro Yamada, Keisuke Fujii|arXiv (Cornell University)|2024. 03. 04.

Sports Performance and Training인용 수 4

한 줄 요약

이 연구는 트래킹 데이터와 플레이타입 애너테이션, 고급 통계를 활용하여 농구 공격 라인업을 분석하기 위한 새로운 프레임워크를 제안한다. 픍레이어를 스타일 기반으로 군집화하고, 공격 역할을 분류하여 호환성을 정량화한다. 베이지안 계층 모델을 적용해, All-rounder, Ball-handler, 3-point Shooter 조합이 가장 높은 득점 효율성을 보이며, 미드레인지나 코너 샷을 주로 시도하는 Bigs는 상대적으로 효과가 떨어진다.

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.

연구 동기 및 목표

• 농구 공격에서 플레이어 스타일 간 호환성을 정량적으로 평가하는 것.
• 방어적 특성의 영향을 배제하기 위해 공격적 특성에만 집중함으로써 설명 가능성을 향상시키는 것.
• 트래킹 데이터에서 유도한 스타일 군집과 플레이타입 통계에서 유도한 공격 역할 군집을 결합한 이중 군집화 접근법을 개발하여 더 정밀한 라인업 분석을 가능하게 하는 것.
• 베이지안 모델링을 활용해 플레이어 쌍 및 라인업 구성이 득점 효율성에 미치는 영향을 추정하는 것.

제안 방법

• 스틸링 스타일 군집화는 수작업으로 설계된 슛 특징(예: 슛 위치, 발차 시간, 드리블 수)과 워샤르스타인 거리(\text{Wasserstein distance})를 사용해 슛 분포 유사도를 비교한다.
• 공격 역할 군집화는 플레이타입 비율과 고급 통계(예: 진짜 슛 비율, 사용률)에 소프트 군집을 적용하여 복합적인 공격 역할을 정의한다.
• 베이지안 계층 모델을 학습시켜 군집 구성 요소를 예측 변수로 사용해 득점 효율성 지표(예: 100개의 공격 기회당 득점)를 예측한다.
• 모델은 플레이어 군집의 개별적 및 쌍별 효과를 추정하여 공격 성과에 대한 상호보완성과 호환성의 해석을 가능하게 한다.
• 수작업 특징과 소프트 군집을 활용함으로써 직관적인 플레이어 아키타입으로의 직접 매핑이 가능해져 설명 가능성이 향상된다.
• 분석은 공격 데이터에만 국한되어 있어, 공격 상호보완성의 영향을 방어적 요소나 팀 전반의 영향으로부터 분리할 수 있다.

실험 결과

연구 질문

• RQ1 어떤 슛 스타일 조합이 농구 라인업에서 더 높은 공격 효율성을 보이는가?
• RQ2 예를 들어 Isolation Attacker나 Spot-up Shooter와 같은 공격 역할 간 호환성은 팀의 득점 수준에 어떤 영향을 미치는가?
• RQ3 서로 보완적인 공격 역할을 가진 플레이어 조합이 팀 성과를 얼마나 향상시키는가?
• RQ4 플레이타입 데이터의 소프트 군집화는 전통적인 포지션을 초월해 복잡한 공격 역할을 효과적으로 포착하고 정량화할 수 있는가?
• RQ5 플레이어 군집 조합의 추정 효과가 전통적인 포지션 기반 군집화보다 공격 성공을 예측하는 데 얼마나 더 유용한가?

주요 결과

• All-rounder, Ball-handler, 3-point Shooter 조합이 득점 효율성에 가장 높은 영향을 미쳤으며, 100개의 공격 기회당 득점 기준 중앙값 효과는 0.3460이었다.
• 두 명의 강력한 스코어러를 포함한 라인업—특히 Isolation Attacker가 Ball-handler 또는 3-point Shooter와 조합된 경우—이전에 예상된 것보다 더 강력한 긍정적 효과를 보였으며, 중앙값 효과는 0.2900이었다.
• 주로 미드레인지나 코너 샷을 시도하는 Bigs 조합은 일관되게 효과가 떨어졌으며, 가장 열악한 조합(예: Post-up Big와 Stretch Big)은 부정적인 영향을 미쳤다. 예를 들어, PUB & WWH 조합은 -0.4720의 효과를 보였다.
• Isolation Attacker가 웨이브, 밸런서, 슈터와 조합된 경우 매우 효과적인 것으로 나타나, 주 스코어러와 지원 역할 간 강력한 상호보완성이 존재함을 시사한다.
• 높은 슛 능력을 지닌 플레이어들은 효과가 떨어지는 역할 조합을 부분적으로 상쇄할 수 있었으며, SAS 라인업에서 비록 최적의 조합이 아니었더라도 득점 효율성이 크게 떨어지지 않았다.
• 제안된 군집화 방법—특히 10개 군집의 슛 스타일 모델—는 동적 트래킹 특징을 포함함으로써 기존 연구(예: Fan et al., 2023)보다 더 명확하고 정밀한 구분을 가능하게 하였다.