Использование машинного обучения для ответов на вопросы, связанные с бейсболом

Учитывая характер игры в бейсбол, большая часть травм происходит в бесконтактных ситуациях, а значит, необходимость измерять и контролировать тренировочную нагрузку поможет снизить количество таких травм.

В связи с этим команда аналитиков Catapult внедрила машинное обучение, использующее тысячи точек данных, полученных с помощью устройства OptimEye S5. Используя эти исходные данные и видео с профессиональных игр и тренировок, Catapult смогла разработать алгоритмы для конкретных видов спорта, которые количественно определяют объем и интенсивность таких действий, как броски и замахи битой.

Раннее тестирование показало, что точность составляет более 90 %, а функция машинного обучения позволяет улучшать качество данных, поступающих в систему.

Сокращение листка нетрудоспособности в MLB

Исследования, опубликованные в журнале "American Journal of Orthopedics ", показали, что количество травм, полученных игроками в листе нетрудоспособности (ЛН), и общее количество дней, проведенных в ЛН, увеличивается из года в год. Среди игроков, получающих травмы, питчеры получают травмы чаще и проводят в листе нетрудоспособности больше времени, чем игроки всех других позиций.

Команда аналитиков Catapult задалась целью количественно определить движения, которые чаще всего приводят к травмам, связанным с перегрузками. Теоретически, возможность использовать объективные данные об объеме и интенсивности этих движений позволит специалистам контролировать тренировочные нагрузки.

Создание алгоритма для бейсбола

Для количественной оценки таких событий, как подачи и взмахи битой, был обучен алгоритм машинного обучения под наблюдением, который сопоставлял подачи и взмахи битой, собранные во время тренировки, с показаниями устройства OptimEye S5.

В частности, Catapult построила алгоритм Random Forest на основе данных, собранных во время тренировок различных бейсбольных команд, как профессиональных, так и студенческих. Тренировочные данные содержат показания акселерометра и гироскопа для более чем 6 000 событий, связанных с бросками, взмахами биты или ни с тем, ни с другим, для десятков игроков и различных позиций.

Для того чтобы отделить взрывные события от других событий, таких как ходьба, был введен порог нагрузки на игрока. Это гарантирует, что алгоритм выберет только игровые броски и взмахи битой.

Вокруг каждого из этих событий Catapult изучала характеристики, полученные с помощью трехмерного акселерометра и трехмерного гироскопа в течение двух секунд после события: за секунду до и секунду после. В качестве примеров характеристик можно привести максимальное значение, среднее значение и стандартное отклонение показаний акселерометров и гироскопов.

Каждый из этих признаков вводился для интересующего события, а также для его классификации как броска, взмаха битой или ни того, ни другого, чтобы создать обучающий набор для алгоритма.

Результаты и обсуждение

После изучения большого количества примеров, охватывающих множество бросков и взмахов битой, алгоритм смог достичь точности более 90 % при определении бросков и взмахов битой во время тренировки. К числу бросков, определяемых с высокой точностью, относятся:

• Буллпен
• Подача от кургана до кэтчера
• Качественные броски во время разминки
• Броски на дальние расстояния во время игры на поле
• Качели в клетке или во время тренировок для бейсбола

Консервативная оценка отражает тот факт, что алгоритм настроен только на подсчет бросков и замахов, которые достаточно сильны, чтобы быть похожими на игровые (т. е. "качественные" броски и замахи битой). Большинство ошибок связано с мягкими бросками в начале игры, которые слишком мягкие, чтобы их можно было посчитать.

После классификации тренировки на взмахи, броски или ни одного из них алгоритм рассчитывает общую нагрузку, связанную с каждым взмахом биты и броском. Через интерфейс можно получить различные величины, такие как средняя player load или среднее время между этими действиями, а также диапазон для каждого броска или взмаха битой.

Метрики Catapult для подач и взмахов битой позволяют бейсбольным тренерам контролировать объем и интенсивность ключевых движений, которые приводят к травмам от чрезмерного использования и обходятся профессиональным и студенческим командам в миллионы долларов каждый год. Эти метрики способны определить будущее периодизации тренировок питчеров и бэттеров для тренеров, которые хотят добиться большей прозрачности тренировочного эффекта в реальных условиях.

Хотите узнать, как Catapult может ответить на ваши вопросы, связанные с конкретными видами спорта? Узнайте больше о нашей аналитике производительности здесь.