[论文解读] Hockey Player Performance via Regularized Logistic Regression

Robert B. Gramacy, Matt Taddy+1 more|arXiv (Cornell University)|Dec 21, 2016

Sports Analytics and Performance参考文献 19被引用 3

一句话总结

本文提出了一种正则化逻辑回归模型，用于估算个体冰球球员在考虑队友和对手影响下的进球贡献，通过联合建模场上影响因素。通过在高维比赛数据上应用惩罚似然估计，该方法从团队层面的噪声中分离出每位球员的独立影响，相较于传统的正负值（plus-minus）方法，提供了更准确且稳定的性能度量。

ABSTRACT

A hockey player's plus-minus measures the difference between goals scored by and against that player's team while the player was on the ice. This measures only a marginal effect, failing to account for the influence of the others he is playing with and against. A better approach would be to jointly model the effects of all players, and any other confounding information, in order to infer a partial effect for this individual: his influence on the box score regardless of who else is on the ice. This chapter describes and illustrates a simple algorithm for recovering such partial effects. There are two main ingredients. First, we provide a logistic regression model that can predict which team has scored a given goal as a function of who was on the ice, what teams were playing, and details of the game situation (e.g. full-strength or power-play). Since the resulting model is so high dimensional that standard maximum likelihood estimation techniques fail, our second ingredient is a scheme for regularized estimation. This adds a penalty to the objective that favors parsimonious models and stabilizes estimation. Such techniques have proven useful in fields from genetics to finance over the past two decades, and have demonstrated an impressive ability to gracefully handle large and highly imbalanced data sets. The latest software packages accompanying this new methodology -- which exploit parallel computing environments, sparse matrices, and other features of modern data structures -- are widely available and make it straightforward for interested analysts to explore their own models of player contribution.

研究动机与目标

• 解决传统正负值方法在分离冰球运动员个体贡献方面的局限性。
• 建模所有球员对进球结果的联合影响，同时考虑队友、对手以及比赛情境。
• 为高维、不平衡的冰球数据开发一种稳定且简洁的估计方法。
• 利用现代正则化技术，提供一种统计上严谨的替代方法，以取代边际指标（如正负值）。
• 通过易于获取的软件和计算效率，实现球员评估模型的实际应用。

提出的方法

• 构建一个逻辑回归模型，以哪支队伍进球为结果变量，基于球员在场情况、队伍身份以及比赛情境（如多打少、人数相等）。
• 使用正则化（如L1或L2惩罚）来稳定高维参数空间中的估计，避免标准最大似然估计失效。
• 采用稀疏矩阵表示和并行计算技术，高效处理大规模数据。
• 优化惩罚对数似然目标函数，以偏好更简洁的模型，提高对未见数据的泛化能力。
• 估计每位球员的偏效应，代表其在独立于团队背景下的进球贡献。
• 利用支持正则化和高性能计算的现代统计软件包进行模型拟合。

实验结果

研究问题

• RQ1 如何从团队和对手效应的混杂影响中分离出冰球运动员的个体贡献？
• RQ2 使用逻辑回归的联合建模方法是否能比边际指标（如正负值）更准确地估计球员影响？
• RQ3 正则化如何提升在高维、稀疏冰球数据中的估计稳定性？
• RQ4 比赛情境（如多打少、少人作战）在多大程度上可以被有意义地整合进球员表现模型？
• RQ5 可扩展的计算方法是否能使高级球员评估模型对不具备高端计算资源的分析人员也变得可行？

主要发现

• 所提出的模型通过考虑队友和对手影响，成功分离出个体球员效应，相较于传统正负值方法，提供了更准确的在场影响力度量。
• 正则化在标准最大似然估计因过拟合或不可识别性而失效的高维设定下，显著提升了估计的稳定性。
• 该方法有效处理了冰球中常见的不平衡数据（如少人作战进球等稀有事件），无需数据转换。
• 使用稀疏矩阵和并行计算技术，实现了大规模数据集上的高效模型拟合，使该方法在实际分析中具有可行性。
• 所得的偏效应估计具有可解释性且稳健，为启发式表现指标提供了一种有原则的替代方案。
• 现代软件工具现已使研究人员和分析人员能够独立实现并扩展此类模型。