.png){kind=icon}
返回
NFL GHOSTS: A FRAMEWORK FOR EVALUATING DEFENDER POSITIONING WITH CONDITIONAL DENSITY ESTIMATION
.png){kind=icon}
PRE
AI
DOI：10.1214/25-AOAS2132.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
美国足球中球员归因问题因场上22名球员交互的复杂性而未获解决，但球员追踪数据的粒度提供了新的方法机会。本研究引入首个公开框架，用于评估相对于幽灵防守球员基准分布的球员空间和轨迹追踪数据。我们在捕捉时刻最近防守球员定位建模的背景下演示了该框架。具体而言，我们提供了其观察到的定位和轨迹与幽灵防守球员预期比赛价值相比优劣的估计。我们的框架通过灵活的随机森林利用多维追踪数据特征进行条件密度估计，主要有两种方式：（1）建模接球手的码数增益分布以估算单次比赛预期值；（2）建模基准幽灵防守球员的二维空间分布。我们提出了基于追踪数据测量球员和团队表现的新指标，并讨论了将本框架扩展至美国足球其他方面的挑战。
Keyword:
Random forests
high-dimensional data
player tracking data
American football
期刊
A
IF:
1.4
论文数:
88
被引数:
5.1K
机构
引用论文
暂无论文信息