四分卫的评估指标有很多,但它们都集中在一个领域——分离出四分卫在传球前必须评估的特定变量,并评估四分卫在传球后是否做出了最佳决策。为了缩小这一差距,Next Gen Stats (NGS)团队使用亚马逊网络服务(AWS)产品开发了传球得分(Passing Score),这是一种新的人工智能(AI)四分卫测量工具,用于评估传球表现。
在一场NFL比赛中,四分卫所做的远不止几次传球。他们会在瞬间做出数百个决定。当他们接近争球线时,他们会评估防守球员的阵容、比赛剩余时间以及第一次进攻所需的码数等因素。一旦比赛开始,四分卫必须迅速判断把球扔到哪里,比赛成功的可变性就会显著增加复杂性。更复杂的是,一个接球手可能会在一个被打翻的球上做出令人难以置信的表现,或者一个防守球员可能会在空中抛出一个完美的传球,引发拦截。在过去,无论比赛结果如何,统计上的功劳或责任都归于四分卫。
现在,NFL球迷有pass Score。NGS花了将近一年的时间解决了一系列复杂的技术问题,才创建了“及格分数”工具。NGS没有现成的策略可循,但他们知道AWS拥有独特的优势,可以通过现有的体育数据驱动解决方案以及与NFL的深度技术合作来帮助解决这些挑战。
基于多年来创建和部署AWS支持的机器学习(ML)模型的经验,NGS工程和分析团队与AWS专业服务数据科学团队合作,优化和组合了7个机器学习模型,其中包括一个在投球前预测传球价值的新模型。组合的ML模型为新的NGS通过分数提供了动力。每个单独的模型都提供了对现场情况的引人注目的见解,比如预测的码数和完井概率。通过组合模型,得分(50-99之间的数字)更好地反映了球迷、教练和球员用来评估四分卫传球表现的直觉。
对2021年四分卫表现进行排名
2021年NFL常规赛带来了一些令人难忘的四分卫表现。我们评估了常规赛的玩法,并将这一分析与过去三个赛季中超过1600万帧的球员数据相结合,以回答这个问题:“谁是2021赛季最好的常规赛四分卫?”
建立成功的组合
NGS通过分数是一个复杂方程的简单表示。根据设计,它并不是简单地将所有传球码数、触地得分和拦截都授予四分卫。相反,它隔离了传球者对传球结果的贡献,不知道接球者。它还控制每一次传球的难度,以最好地包含最能预测未来表现的传球者的特征。最后,它把所有这些都归结为一个指标。
传球得分的工作原理是通过分析跟踪数据来预测如果被目标锁定,接球手将获得多少码,结合完成概率模型的增强,现在还可以估计拦截的概率。与AWS团队一起创建的新系统为评分的主要组成部分中使用的“期望”指标提供了动力。
现在有了这种基于aws的新方法,NGS的传球得分可以扩展,并考虑其他维度,如进攻、抢点和压力。要了解更多关于新度量的信息,看看NFL创建的这个博客,向你展示它是如何在球场上发挥作用的.