发头条

fatoutiao.com 互联网运营专业指南

Home /
【知識創造預測力】火箭隊總管莫瑞用 NBA 與生活紀錄,打造球員專屬訓練菜單

【知識創造預測力】火箭隊總管莫瑞用 NBA 與生活紀錄,打造球員專屬訓練菜單

【我們為什麼&#25361 […]

【我們為什麼挑選這本書】以前的時候,人間有許多迷信。但在科技進步後,迷信一個一個被破解。迷信怎麼產生的?藉由事件發生時,有沒有異狀來判斷。

如果我頭痛的時候,當天穿了黃內褲,多次下來,我就會認為穿黃內褲代表會頭痛。那為什麼迷信會被破解呢?因為知識的增加。大家可以看看有哪些你認為的常理其實是一種迷信。還有我們為何需要知識。(責任編輯:陳伯安)

得分高是因為手感好?假的啦!

我們往往會以為,很多隨機事件中存在著某種模式,而且我們自以為有辦法從這些模式中,看出事實上並不存在的意義。

例如看 NBA 球賽時,你會看到播報員、球迷,甚至是教練,似乎都相信某個籃球射手的「手感」正熱,只因為這個球員前幾球都能投籃得分,大家就認為他下一球必能投中。

但已故心理學家阿莫斯‧特沃斯基(Amos Tvesky)蒐集了 NBA 連續投籃的數據資料,試圖確認所謂的「手感正熱」是否具有統計意義。結果證明:沒有。出色的射手,下一球投籃的命中機率,當然會高於能力較差的射手。球迷、播報員和球員所觀察到的手感正熱現象,其實只是錯覺。

加拿大新寧醫院(Sunnybrook Hospital)的唐納.雷德邁(Donald Redelmeier)醫師,也在醫學領域內找出類似的假象:關節炎和天氣的關聯性。

關節炎發作是因為變天?也是假的啦!

數千年以來,我們都認為這兩者有關係。希波克拉底斯(Hippocrates)早在西元前四百年,就提到風雨對疾病的影響。到了一九八○年代末期,醫生仍建議關節炎患者移居到氣候溫暖的地區。雷德邁與阿莫斯找來了一群類風濕性關節炎患者,要他們說出疼痛程度。然後再將他們的疼痛程度與天氣狀況做比對。儘管患者宣稱他們的疼痛程度會隨天候改變,但是雷德邁和阿莫斯很快就確定,兩者之間不存在有意義的關聯性。

那麼,為什麼人們會認為自己的病痛和天氣有關?

雷德邁親自訪談那些他已經證明疼痛與天氣無關的病患,其中一人仍堅稱他的病痛和天氣有關,並舉出少數隨機感到疼痛的時間點做為證據,合理化自己的認知。就像籃球專家認為隨機發生的連續投籃得分存在著某種模式,但事實並非如此。關節炎患者認為他們的病痛具有某種模式,其實同樣不存在。

「這種現象我們稱之為選擇性配對(selective matching),」特沃斯基和雷德邁寫道:「對於關節炎患者而言,因為選擇性配對的影響,當他們疼痛加劇時會特別注意天氣的變化,而疼痛情況穩定時,對天氣的變化就不會那麼在意……因此,如果疼痛特別明顯的那一天正好碰上天氣惡劣,就會讓他們牢牢記得一輩子。」

可以用得分能力預測未來表現嗎?

休士頓火箭隊總經理達瑞爾.莫瑞(Daryl Morey)來到休士頓之後所做的第一件事,對他來說也是最重要的一件事,就是安裝用來預測籃球選手未來表現的統計模型。「知識,就是預測力,」莫瑞說:「知識就是一種可以提升你預測結果的能力,只是很多人沒發現這一點。」

選手的比賽成績統計數據,可以透露這名選手的很多資訊。但哪些資訊才是真正有用的呢?你或許會以為,籃球球員最重要的能力就是得分,不少人確實這麼認為。那麼,到底大學籃球球員的得分能力,是否可以用來預測他未來在 NBA 的表現呢?

答案是:不能。根據莫瑞早期的模型版本,他發現傳統的統計方式,例如每場比賽的得分、籃板球、助攻等等數據只會誤導我們。通常,得分高的球員很有可能會傷害整個球隊,得分低的球員反而是球隊的重要資產。「利用統計模型,排除人們的主觀意見,會迫使你提出正確的問題,」莫瑞說:「為什麼球探看重的球員,在模型的排名卻吊車尾?為什麼球探不看好的球員,在模型裡卻名列前茅?」

回到二○○六年,莫瑞的方法算是 NBA 首創。當時沒有其他人運用統計模型來評估籃球球員,也沒有人願意去蒐集模型所需要的資訊。為了取得必要的統計數據,他必須派人到全美大學體育協會(National Collegiate Athletic Association, NCAA)位於印第安納波利斯市的辦公室,用翻拍方式蒐集過去二十年每場大學籃球賽的成績,再將這些資料一筆一筆輸入系統。

任何關於籃球球員的理論,現在都可藉由資料分析來進行驗證。今天,他們手上有了累積二十年的球員資料,你可以透過新的資料庫將現有的球員與過去近似的球員進行比照,找出是否有值得學習的新發現。

為什麼要學習知識?因為這樣你才能有預測力!

休士頓火箭隊做的事,現在聽起來大部分都很簡單且理所當然。基本上,他們採用的方法,和華爾街交易員、美國總統大選的競選團隊,以及每家公司試圖從你的網路行為預測你可能會購買哪些產品或瀏覽哪些網頁所運用的方法,大同小異。

但是,在二○○六年那個的時空背景下,要做到這一切並不容易,也絕非理理所當然。當時,莫瑞無法取得模型所需要的資料,因此休士頓火箭隊只好開始記錄過去不被重視的球賽相關數據,自行蒐集需要的資料。

舉例來說,除了知道球員拿下的籃板球次數之外,他們也開始記錄球員有多少次機會可以搶下籃板球,又實際搶下了多少個籃板球。他們會比較某個球員在場上與在場邊坐板凳時,球隊的得分表現。

「每場比賽」的得分、籃板球、抄截數,或許不是太有用處,但「每分鐘」的得分、籃板球、抄截數就非常有價值了。如果你整場都有出賽,一整場打下來得十五分,這樣的得分沒有太大意義,但如果你出賽時間只有一半,意義就大為不同。

從比賽紀錄表,也可看出不同大學球隊的比賽節奏,也就是得分起伏的頻率。將球員的個人統計數據與球隊的成績變化進行交叉分析,就可以得出更準確的資訊。得分和籃板球雖然是重要的數據,但投籃數一百五十次和投籃數七十五次就代表了不同的意義。如果再加上比賽節奏的統計數據,就能比傳統方法更能清楚得知球員的實際表現。

而且除了比賽數據,他也蒐集球員生活的相關數據,試圖歸納出可能的模式。雙親健全,是否對球員有幫助?左撇子,是否有優勢?作風強勢的大學教練帶領的球員,未來在 NBA 的表現是否比較好?家族中有 NBA 球員的選手,是否表現比其他人優異?從專科學校轉學到大學,對場上表現是否有影響?如果教練選擇區域聯防戰術,球員的表現會不會比較好?如果他在大學打過不同位置,今天的表現會怎樣?臥推的重量,是否會有影響?

「我們蒐集的數據,大多無法用來預測球員的未來表現,」莫瑞說,但有些數據可以,例如每分鐘籃板球數,可以有效預測身材高大球員的未來表現;每分鐘抄截數,可預測身材矮小球員的未來表現。而且球員的身高不是重點,關鍵在於他的手可以伸多高──重要的是長度,而非高度。

(本文書摘內容出自《橡皮擦計畫 》,由 早安財經文化 出版社授權轉載,並同意 TechOrange 編寫導讀與修訂標題,首圖來源:Wikimedia Commons。)

延伸閱讀

迷信愚婦差點要被騙了!偽 Google 算命網站,算的不是你的未來
數據科學看世大運:漠視運動科學,讓運動員只能靠天吃飯,迷信「氣勢」
投資不能迷信:「888」不再「發發發」,過度害怕「4」可能讓你死更慘


CONNECT With AI ,年度最強人工智慧論壇

2 天論壇接力、9 大關鍵產業、20+ 國際級趨勢講座、還有 AI 實境體驗攤位
7/6(五)、7/7(六), 三創數位生活園區 12 樓

盲鳥票 10 天完售!沒搶到票的別怕,你還有早鳥票
立即購票

发表评论

邮箱地址不会被公开。 必填项已用*标注