全文共4423字，預計學習時長
12分鐘
我喜歡籃球。我喜歡打籃球、看籃球、談籃球。有時候我會和朋友們談論諸如“如果科比和勒布朗單挑誰會贏”之類的話題。我需要用這次機器學習項目，將我的兩個愛好，籃球和數據科學有機地結合起來。
去年夏天，金州勇士隊轉出連續斬獲兩屆NBA決賽MVP（最有價值球員獎）的凱文·杜蘭特，引入德安格洛·拉塞爾。於是體育分析員紛紛開始猜測拉塞爾在勇士隊的適配程度，如下：
這也讓我開始思考：德安格洛·拉塞爾將如何適應勇士隊的節奏？能不能運用機器學習將NBA球員分類，並預測某一球員與指定球隊的兼容程度？
本項目的研究目的是，確定若干球員的類型，並根據歷史活動或他們對空間的利用確定他們在球場上扮演的角色。
得分、籃板、助攻、搶斷、蓋帽等數據不會被用作特徵，因為它們依賴於例如出場時間或進球數量等數據（這項數據也不會出現在特徵中）。將得分、籃板、助攻、搶斷、蓋帽等數據作為特徵可能會使最終結果與這些特徵密切相關，這就偏離了本次項目的初衷。我將在下文的研究方法部分詳細列舉所有的特徵。
數據
我們來看一看數據部分。
數據是由Python和Selenium包從stats.nba.com提取加工而成。選取的特徵大部分都基於上場頻率。很多打法都包含進攻和防守站位。比如說，“進攻背身單打率”指該球員背身單打時在進攻位的頻率；“防守背身單打率” 指該球員背身單打時在防守位的頻率。這些特徵的附釋，可以參考此鏈接：https://stats.nba.com/help/glossary/。
樣本數據：272名球員
初始數據集包含531名球員。而後上場時間少於半個賽季及1000分鐘的球員被移出樣本數據。這樣做的原則是，去除所有出場不穩定的球員。以下是完整的球員樣本名單：
球員名單
選取特徵：41個
篩選之前特徵總數超過600。最後選取了描述落位和運球的特徵。
特徵列表
研究方法和模型選擇
由於本項目屬於無監督學習，它得出的結果需要進一步分析。我在模型和簇數選擇上有兩個目標：
1. 突出簇之間的顯著差異。簇數太少，每個簇中樣本太多，不能得出各個球員間的風格差異。
2. 避免簇數過多。如果每個球員都是一個簇，結果只能表明每一個人都是獨立的個體，這對研究的幫助很小。
模型選擇： DBSCAN, K-means和Mean Shift
以上三個模型中，K-Means最有效地實現了研究目標。DBSCAN和Mean Shift生成的結果都包含多個僅含一個球員的簇。
簇的數量：10個
我決定將簇的數量定為5的倍數，因為籃球場上有5個位置。10個簇切合了我設想的研究方法。
研究結果
我用所得結果計算了每個組中所有特徵的平均數，並根據最高和第二高的特徵對每組進行了排名。術語定義如下：
首要特徵：所列特徵的平均值在一組中是最高的。
次要特徵：所列特徵的平均值在一組中是第二高的。
除此之外，還通過條形圖展現了每組的首要特徵，用於與其他球員作對比。
第一組
史蒂芬·庫裡
布拉德利·比爾, 巴迪·希爾德, 史蒂芬·庫裡, 埃文·, 特雷沃·阿里扎,凱爾·洛瑞, 喬·英格爾斯, 小奧托·波特, 博格丹·博格達諾維奇,艾弗裡·布拉德利, 小蒂姆·哈達威, 傑森·塔圖姆, 賈斯蒂斯·溫斯洛, 傑里米·蘭姆,伊託萬·摩爾, 凱文·諾克斯, 凱文·許爾特, 波格丹·波格諾維奇, 加里·哈里斯, 布林·福布斯, 埃裡克·戈登, 泰勒·約翰遜, 達米安·多特森, 托里恩·普林斯, 加里特·坦普爾
首要特徵：防守單打投籃率
次要特徵：手遞手防守率, 防守繞掩護投籃率, 防守繞掩護率, 防守背身單打率, 快攻率, 手遞手進攻率, 進攻繞掩護投籃率
防守遠射頻率
第二組
卡爾·安東尼·唐斯，拉馬庫斯·阿爾德里奇，喬爾·恩比德，賽迪斯·楊，布雷克·格里芬，安東尼·戴維斯，尼克拉·約基奇，朱利葉斯·蘭德爾，尼可拉·武切維奇，德安德烈·艾頓，邁爾斯·特納，艾爾·霍福德，馬克·加索爾，馬爾文·巴格萊三世，小賈倫·傑克遜，賽爾吉·伊巴卡，鮑比·波蒂斯，伊內斯·坎特，喬納斯·瓦蘭西尤納斯，羅賓·洛佩茲，馬基夫·莫里斯，戈爾吉·吉恩
首要特徵：進攻背身單打率，背身單打觸球率
次要特徵：進攻籃板球率調整
進攻背身單打率
第三組
PJ塔克，德雷蒙德·格林，馬爾文·威廉姆斯，傑·克勞德，布魯克·洛佩茲，達里奧·薩里奇，德維恩·戴德蒙，傑夫·格林，凱利·奧里尼克，戴維斯·貝爾坦斯，邁克·穆斯卡拉，馬克西·克雷貝爾，賈裡德·杜德利，邁克·斯科特，約納斯·傑雷布克，安東尼·託利弗，文斯·卡特
首要特徵：接球投籃率, 進攻定點投籃率, 無防守投籃率, 防守單打率, 防守背身單打率
次要特徵：防守定點投籃率, 傳球數大於接球數
接球投籃率
第四組
約什·理查德森，CJ·麥科勒姆，邁克·康利，賈馬爾·穆雷，達龍·福克斯，特雷·楊，賽迪·奧斯曼，艾弗裡德·佩頓，克里斯·鄧恩，丹尼·施羅德，埃裡克·布萊德索，馬爾科姆·布羅格登，托馬斯·薩託蘭斯基，帕特里克·貝弗利，小丹尼·史密斯，伊曼紐爾·穆迪埃，弗雷德·範弗裡特，裡基·盧比奧，謝伊·吉爾吉斯·亞歷山大，達倫·科裡森，雷吉·傑克遜，D.J.奧古斯汀，科裡·約瑟夫，德雷克·懷特，萊恩·阿什蒂亞克諾
首要特徵： 防守籃板球距離, 進攻擋拆執行率，拿球平均運球數, 勻速進攻
次要特徵：平均拿球秒數，進攻擋拆執行率, 進攻籃板球距離, 長運球投籃率
防守球處理頻率
第五組
勒布朗·詹姆斯
朱·赫勒迪，保羅·喬治，扎可·拉文，託拜厄斯·哈里斯，布蘭登·英格拉姆，吉米·巴特勒，德文·布克，科懷·倫納德，德瑪爾·德羅贊，肯巴·沃克，拉塞爾·威斯布魯克，達米安·利拉德，安德魯·維金斯，多諾萬·米切爾，凱爾·歐文，凱文·杜蘭特，勒布朗·詹姆斯，詹姆斯·哈登，克里斯·米德爾頓，盧卡·東契奇，科林·塞克斯頓，德安吉洛·拉塞爾，克里斯·保羅，拉簡·隆多，喬丹·卡拉克森
首要特徵： 長運球投籃率，進攻單打率, 進攻擋拆執行率，觸球平均秒數
次要特徵：觸球平均運球數，防守擋拆執行頻率。防守籃板球概率調整，無防守投籃率
拿球平均運球數
第六組
尼古拉斯·巴圖姆，朗佐·鮑爾，米卡爾·布里奇斯，丹尼·格林，小凱利·烏佈雷，喬納森·艾薩克，特倫斯·弗格森，杰倫·布朗，多里安·芬尼·史密斯，肯裡奇·威廉姆斯，約什·奧肯基，德瑪雷·卡羅爾，德安徳烈·本布里，莫里斯·哈克里斯，安德烈·伊格達拉，羅季翁斯·庫魯茲，詹姆斯·恩尼斯三世，沙奎爾·哈里森，帕特·康諾頓，羅伊斯·奧尼爾，OG·安娜諾比，托里·克雷格，賈斯汀·傑克遜，布魯斯·布朗，弗蘭克·傑克遜
首要特徵： 快攻率，防守背身單打率，防守投籃率
次要特徵：防守單打投籃率，進攻定點投籃率，無防守投籃率
快攻率
第七組
德安德烈·喬丹，蒙特雷斯·哈雷爾，巴姆·阿德巴約，傑邁克爾·格林，梅森·普拉姆利，米切爾·羅賓遜，扎克·科林斯
首要特徵：其他進攻戰術概率，其他進攻概率，近對抗投籃率，防守擋拆執行率，防守定點投籃率
次要特徵：對抗投籃率，防守投籃率，肘區觸球率，進攻空切率，進攻背身單打率，油漆區/三秒區觸球率，背身單打觸球率
近距離對抗投籃率
第八組
揚尼斯·安特託昆博
凱爾·庫茲瑪，阿隆·戈登，本·西蒙斯，哈里森·巴恩斯，傑拉米·格蘭特，帕斯卡爾·西亞卡姆，揚尼斯·安特託昆博，勞裡·馬爾卡寧，T.J·沃倫，凱爾·安德森，達尼羅·加理納利，艾爾·法魯克·阿米奴，賈巴里·帕克，諾阿·馮萊，內馬尼亞·別利察，威爾森·錢德勒，邁爾斯·布里奇斯，朗達·霍里斯·傑弗森，馬里奧·海佐尼亞，詹姆斯·約翰遜，小德里克·瓊斯
首要特徵：防守籃板球率改變，防守定點率，防守繞掩護投籃率
次要特徵：防守單打率，防守擋拆執行投籃率，防守定點投籃率，進攻單打率
防守籃板球概率改變
第九組
克萊·湯普森，JJ·雷迪克，賈斯汀·霍勒迪，喬·哈里斯，雷吉·巴洛克，韋斯利·馬修斯，特倫斯·羅斯，阿倫·克拉布，肯塔維奧斯·考德威爾·波普，蘭德里·沙梅特，維恩·艾靈頓，馬爾科·貝里內利，達柳斯·米勒，蘭斯頓·加洛韋，凱爾·科沃爾，道格·麥克德莫特，託尼·斯內爾
首要特徵：進攻手遞手率，進攻繞掩護投籃率，無防守投籃率，進攻籃板球距離，防守手遞手率，防守繞掩護率
次要特徵：勻速進攻，接球突投率，防守籃板球距離
無防守投籃率
第十組
史蒂夫·亞當斯，克林特·卡佩拉，魯迪·戈貝爾，安德烈·德拉蒙德，約翰·科林斯，威利·考利·斯坦，特里斯坦·湯普森，尤素福·努爾基齊，科迪·澤勒，賈瑞特·艾倫，拉里·南斯二世，溫德爾·卡特二世，德曼塔斯·薩博提斯，泰·吉布森，德雷克·費沃斯，德懷特·鮑威爾，賈維爾·麥基，哈桑·懷特賽德，托馬斯·布萊恩特，亞歷克斯·萊恩，凱文·魯尼，艾德·戴維斯，伊維察·祖巴茨，雅各布·珀爾特爾，安特·日日奇
首要特徵：進攻擋拆執行率，進攻空切率，投籃率，進攻籃板球概率調整，傳球數大於接球數，肘區觸球率，三秒區/油漆區觸球率
次要特徵：近對抗投籃率，防守背身單打率，進攻其他概率，進攻戰術其他概率
三秒區/油漆區觸球率
結果讓我吃驚。通常來說，我們認為像史蒂芬·庫裡這樣的全聯盟的頂尖得分後衛會和其他明星球員並列，但是，這次使用的模型將他分到了第一組，在其中的大部分球員能力值一般。對比之下，第五組裡就包含很多明星球員。作為控球球員，他們的首要特徵是：長運球投籃率，進攻單打率，進攻擋拆執行率，平均觸球秒數。
很希望能詳細討論每一組的數據特徵，但既然這是一個數據科學項目，我將在下文轉而闡述數據可視化問題。
結果可視化
由於將41個維度全部可視化的難度很大，我運用了主成分分析（PCA）將41個維度縮減到3個維度。不熟悉主成分分析的讀者可以參考下文定義：
“主成分分析負責尋找新的維度系列（或是一套基本觀點系），使得所有的維度呈現正交關係（即相互線性獨立），並根據它們之間的數據差額排列。這意味著，主成分分析保留了那些更重要的原則。”
整合K-means輸出和主成分分析降維之後的結果，生成了Plotly三個三維集群，截圖如下：
三維圖表
三維空間更容易顯現各個簇之間的差異，圖表也能直觀地表現K-means是如何將41個維度分為4個簇的。
結論與感想
回到最初的問題：德安格洛·拉塞爾能否和史蒂芬·庫裡有效配合？讓我們回到第五組。
勇士隊轉出凱文杜蘭特，轉入德安格洛·拉塞爾。這兩個人都屬於第五組，即控球球員組。
因此，我給勇士隊主教練史蒂夫·科爾的建議是，讓庫裡和拉塞爾同時上場。當然，他肯定預料到了這一點，也無再需讓模型給他出謀劃策。預計拉塞爾的控球率將有所提高，而庫裡則將更多地扮演無球球員的角色。
我希望在未來逐一分析各組裡的球員，並考察每一名球員在組內的首要特徵和次要特徵上表現如何。增加分析性內容，思考如何提高不盡人意之處，或如何重新定位球員在球隊中的角色，將有助於提升球員的表現。
希望各位讀者喜歡這篇文章，也期待大家能提出建議和意見（手動比心）。
我們一起分享AI學習與發展的乾貨
閱讀更多 讀芯術 的文章
