[论文解读] 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 4

一句话总结

本研究提出了一套新颖的框架，通过追踪数据对球员进行投篮风格聚类，并结合标注的进攻类型与高级统计数据对进攻角色进行聚类，从而分析篮球进攻阵容。研究采用贝叶斯分层模型量化球员搭配的兼容性，发现‘全能型’、‘持球人’与‘三分射手’的组合在得分效率方面表现最优，而以中距离或近距离投篮为主的‘内线球员’则效果较低。

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.

研究动机与目标

• 定量评估篮球进攻中球员打法的兼容性。
• 通过仅关注进攻特征，避免防守属性的干扰，提升可解释性。
• 开发双重聚类方法——基于追踪数据的投篮风格聚类与基于进攻类型统计数据的进攻角色聚类，实现更精确的阵容分析。
• 利用贝叶斯建模估算球员组合与阵容构成对得分效率的影响。

提出的方法

• 投篮风格聚类使用手工设计的投篮特征（如投篮位置、出手时间、运球次数）和Wasserstein距离，比较投篮分布的相似性。
• 进攻角色聚类采用软聚类方法，对进攻类型占比与高级统计数据（如真实命中率、使用率）进行处理，以定义综合进攻角色。
• 训练贝叶斯分层模型，以聚类构成作为预测变量，预测得分效率指标（如每100次进攻的得分）。
• 模型同时估计球员聚类的个体效应与成对效应，从而解释协同作用与兼容性。
• 通过使用手工设计的特征与软聚类，增强可解释性，实现与直观球员原型的直接映射。
• 分析仅限于进攻数据，隔离进攻协同效应，避免防守或整体球队表现的干扰。

实验结果

研究问题

• RQ1 哪些投篮风格的组合能带来更高的进攻效率？
• RQ2 进攻角色（如单打攻击手或定点射手）之间的兼容性如何影响球队的得分表现？
• RQ3 具有互补进攻角色的球员组合在多大程度上能提升球队整体表现？
• RQ4 对进攻类型数据进行软聚类是否能有效捕捉并量化超越传统位置的复杂进攻角色？
• RQ5 与传统的基于位置的聚类相比，球员聚类组合的估计效应在预测进攻成功方面表现如何？

主要发现

• ‘全能型’、‘持球人’与‘三分射手’的组合对得分效率的估计影响最大，每100次进攻的得分影响中位数为0.3460。
• 包含两名高效得分手的阵容——特别是‘单打攻击手’与‘持球人’或‘三分射手’的组合——其正向影响强于以往预期，中位数影响为0.2900。
• 以中距离或近距离投篮为主的‘内线球员’组合表现持续较差，最差的配对（如‘后场强攻型内线’与‘拉开空间型内线’）甚至呈现负向影响，如PUB与WWH的组合影响为-0.4720。
• ‘单打攻击手’与侧翼球员、持球人及射手的组合被证明极为高效，表明主要得分手与其支援角色之间存在显著协同效应。
• 高投篮能力的球员可在一定程度上弥补角色搭配不佳的影响，例如在SAS阵容中，即使搭配不理想，得分效率也未显著下降。
• 所提出的聚类方法——尤其是10类投篮风格模型——由于引入了动态追踪特征，相比以往研究（如Fan et al., 2023）提供了更具可解释性与精确性的区分。