[论文解读] 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 4

一句话总结

本文提出使用长短期记忆（LSTM）网络，基于历史球员统计数据，预测美国职业棒球大联盟（MLB）的本垒打表现。研究结果表明，LSTM模型在预测性能上优于传统机器学习模型以及广泛使用的sZymborski投影系统（ZiPS），在2019年尤其表现出色，平均绝对误差（MAE）和均方根误差（RMSE）更低，并且在较小误差区间内提供了更精确的预测。

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.

研究动机与目标

• 探索深度学习，特别是LSTM网络，在预测MLB未来球员表现方面的可行性。
• 评估LSTM在预测本垒打（衡量击球员实力与天赋的关键指标）方面的预测准确性，并与现有模型进行比较。
• 通过基于时序球员统计数据构建更精确的预测系统，为棒球决策者提供可操作的见解。
• 利用深度学习建立棒球表现预测的新基准，弥补当前文献中的空白。

提出的方法

• 本研究采用序列建模方法，利用长短期记忆（LSTM）网络处理时间序列球员统计数据。
• 输入特征包括20项历史表现指标，如打数、安打、本垒打和保送，按多个赛季聚合。
• 训练并比较了五种不同的LSTM架构，并通过超参数调优以优化预测性能。
• 使用2018年和2019年的测试数据，通过MAE（平均绝对误差）和RMSE（均方根误差）评估模型性能。
• 将预测结果与广泛使用的投影系统（sZymborski投影系统，简称ZiPS）以及传统机器学习模型（如线性回归和随机森林）进行对比。
• 由于数据限制，模型假设球员身高和体重在各赛季保持不变，并未包含高级指标（如强力击球率或BABIP）。

实验结果

研究问题

• RQ1 LSTM网络能否有效利用历史表现数据，预测MLB球员未来的本垒打产出？
• RQ2 与传统机器学习模型和成熟的ZiPS投影系统相比，LSTM的预测性能如何？
• RQ3 序列建模对体育运动员表现预测准确率有何影响？
• RQ4 为何高本垒打球员（例如本垒打数超过30个）难以预测？LSTM模型能否解决此挑战？

主要发现

• 在2019年测试集中，LSTM模型的MAE和RMSE最低，优于所有其他模型，包括线性回归和ZiPS。
• 在2018年，线性回归的RMSE和MAE与LSTM相近，但在2019年，LSTM显著优于所有其他模型。
• LSTM模型在小误差区间内的预测最为准确，而其他模型则表现出预测值与实际本垒打数之间的较大偏差。
• 本研究证实，深度学习，尤其是LSTM，是棒球时序表现预测中稳健且高效的方法。
• 结果表明，LSTM可作为未来研究和球员表现预测实际应用中的新基准。
• 高本垒打球员（本垒打数超过30个）仍难以预测，表明需进一步探究模型架构与特征工程。