機器學習競賽分享：通用的團隊競技類的數據分析挖掘方法

時間  2020-01-22
標籤 機器 學習 競賽 分享 通用 團隊 競技 數據 分析 挖掘 方法 欄目 大數據 简体版
原文   原文鏈接

前言

  1. 該篇分享來源於NFL競賽官方的R語言版本，我作的主要是翻譯爲Python版本；
  2. 分享中用到的技巧、構建的特徵、展現數據的方式均可以應用到其餘領域，好比籃球、足球、LOL、雙人羽毛球等等，只要是團隊競技，均可以從中獲益；
  3. 分享基於kaggle上的NFL大數據碗，也就是基於橄欖球；
  4. 泰森多邊形的概念最好能夠去了解一下，能夠不用糾結於公式，看看它對一些實際問題的抽象建模表示便可；

分享目的

言簡意賅的分享下在團隊競技類問題中一些有用的數據可視化、分析方法，不一樣的領域下對數據的處理確實千差萬別，每次遇到都深感本身的不足，幸虧有各位大佬們的分享，跪謝；php

分享目錄

  1. 使用matplotlib對比賽實況進行繪製，直觀理解某一時刻下的球場狀態；
  2. 使用泰森多邊形可視化各個球員的控制區域，藉以理解、量化當前的形勢；
  3. 結合球員們的當前位置、速度、加速度、方向等信息繪製行進路線圖，可視化在N秒後的狀態；
  4. 分享一篇去年關於足球球員控制區域熱圖相關的論文中的信息，這部分沒有在項目裏，你們感興趣能夠看看這裏；

競賽連接

https://www.kaggle.com/c/nfl-big-data-bowl-2020html

項目連接，該項目代碼已經public，你們能夠copy下來直接運行

https://www.kaggle.com/holoong9291/nfl-tracking-wrangling-voronoi-and-sonars-pythonpython

github倉庫連接，更多作的過程當中的一些思考、問題等能夠在個人github中看到

https://github.com/NemoHoHaloAi/Competition/tree/master/kaggle/Top61%25-0.01404-zzz-NFL-Big-Data-Bowlgit

一些橄欖球相關的基本概念

  • 美式足球：進攻方目的是經過跑動、傳球等儘快抵達對方半場，也就是達陣，而防守方的目的則是相反，盡全力去阻止對方的前進以及儘量斷球；
  • 球場長120碼(109.728米），寬53碼（48.768米），周長是361.992米；
  • 球員：雙方場上共22人，進攻方11人，防守方11人，進攻方持球；
  • 進攻機會：進攻方共有四次機會，須要推動至少十碼；
  • 進攻方：進攻方的職責是經過四次機會，儘量的向前推動10碼或者達陣，以得到下一個四次機會，不然就須要交出球權；
  • 防守方：防守方則是相反，儘量的阻止對方前進，若是可以斷球那更好，直接球權交換；
  • handoff：傳球；
  • snap：發球；
  • 橄欖球基本知識點我瞭解；
  • QB：四分衛，一般是發球後接球的那我的，通常口袋陣的中心，可是也不乏有像拉馬爾-傑克遜這樣的跑傳結合的QB，目前古典QB表明是新英格蘭愛國者NE的湯姆-布雷迪；
  • RB：跑衛，一般發球後進行衝刺、擺脫等，試圖接住本方QB的傳球后儘量遠的衝刺；

分享正式開始

繪製比賽實況

繪製的必要性：想象這樣一種狀況，咱們拿到的都是比賽方的表格數據，不只枯燥，並且不夠直觀，即使咱們足夠了解橄欖球，依然沒法經過數據感覺到場上緊張的氛圍，進攻方的戰術安排，防守方的防守計劃等等，而這些實際上都是隱藏在數據中的，這就好像是玩LOL或者Dota(我我的兩個都玩過，目前主要玩Dota)，我給你十個英雄的座標、移動速度、朝向、裝備，你很難理解當前的狀況，可是若是看看遊戲中的小地圖(假設小地圖能看到所有10個英雄)，我相信大部分玩家都能看出當前是在爭奪肉山(搶大龍)、上高地、團戰、局部團戰等，所以繪製一個相似遊戲中的小地圖是很是有用的，會幫助咱們更深入的瞭解比賽；github

繪製代碼思路：機器學習

  1. 區分進攻方和防守方，進攻方爲紅色，防守方爲綠色（由於進攻方和防守方會交替，因此進攻方多是球隊A多是球隊B）；
  2. 將持球人用黑色特別標示出來；
  3. 將橄欖球場特有的碼線繪製出來，這一特色在籃球和足球中是沒有的，不過球隊半場的概念是通用的；
  4. 將得分線加粗繪製出來，得分線就是橄欖球中的TouchDown的區域，進攻方持球過了這條線得6分；

下面是相關代碼：工具

plt.figure(figsize=(30, 15))
plt.suptitle("Sample plays, standardized, Offense moving left to right")
plt.xlabel("Distance from offensive team's own end zone")
plt.ylabel("Y coordinate")

i=1
for gp,chance in sample_chart_v2.groupby('PlayId'):
    play_id = gp
    rusher = chance[chance.NflId==chance.NflIdRusher].iloc[0]
    offense = chance[chance.IsOnOffense]
    defense = chance[~chance.IsOnOffense]
    
    plt.subplot(3,2,i)
    i+=1
    plt.xlim(0,120)
    plt.ylim(-10,63)
    
    plt.scatter(offense.X_std,offense.Y_std,marker='o',c='red',s=55,alpha=0.5,label='OFFENSE')
    plt.scatter(defense.X_std,defense.Y_std,marker='o',c='green',s=55,alpha=0.5,label='DEFENSE')
    plt.scatter([rusher.X_std],[rusher.Y_std],marker='o',c='black',s=30,label='RUSHER')
    
    for line in range(10,130,10):
        plt.plot([line,line],[-100,100],c='silver',linewidth=0.8,linestyle='-')
    
    plt.plot([rusher.YardsFromOwnGoal,rusher.YardsFromOwnGoal],[-100,100],c='black',linewidth=1.5,linestyle=':')
    plt.plot([10,10],[-100,100],c='black',linewidth=2)
    plt.plot([110,110],[-100,100],c='black',linewidth=2)
    
    plt.title(play_id)
    plt.legend()

plt.show()

下面是效果圖：
學習

能夠看到，一般對比賽實況的可視化，能夠清晰的看到當前處於哪一個半場，距離達陣還有多遠，進攻方、防守方的站位分別是怎樣，持球人周圍的隊友、對手數量、距離等，這很是有利於後續的分析挖掘；大數據

繪製動態比賽實況

繪製的目的：上面的繪製能看出是靜態的，並且並無用上球員的速度、加速度、面向、移動方向等數據，而咱們知道球員老是處於不斷運動當中的，他們的當前狀態很重要，可是1s後，2s後可能更重要，這就是這一部分繪製的目的，強調每一個球員在一段時間後的狀態，固然，這部分繪製有一個前提假設，那就是球員當前的速度、加速度、面向、移動方向等信息在短期內是不變的，這一點也符合實際狀況（），固然繪製與現實會有一些出入，可是這些差別不影響咱們分析比賽；spa

繪製的代碼：

plt.figure(figsize=(12, 8))
plt.suptitle("Playid:20170910001102")
plt.xlabel("Distance from offensive team's own end zone")
plt.ylabel("Y coordinate")

for gp,chance in sample_20170910001102.groupby('PlayId'):
    play_id = gp
    rusher = chance[chance.NflId==chance.NflIdRusher].iloc[0]
    offense = chance[chance.IsOnOffense]
    defense = chance[~chance.IsOnOffense]
    
    plt.subplot(1,1,1)
    i+=1
    
    x_min, x_max = chance.X_std.min()-5, chance.X_std.max()+5
    y_min, y_max = chance.Y_std.min()-5, chance.Y_std.max()+5
    plt.xlim(x_min,x_max)
    plt.ylim(y_min,y_max)
    
    plt.scatter(offense.X_std,offense.Y_std,marker='o',c='green',s=55,alpha=0.5,label='OFFENSE')
    plt.scatter(defense.X_std,defense.Y_std,marker='o',c='red',s=55,alpha=0.5,label='DEFENSE')
    plt.scatter([rusher.X_std],[rusher.Y_std],marker='o',c='black',s=30,label='RUSHER')
    
    for idx, row in chance.iterrows():
        _color='black' if row.IsBallCarrier else('green' if row.IsOnOffense else 'red')
        plt.arrow(row.X_std,row.Y_std,row.X_std_end-row.X_std,row.Y_std_end-row.Y_std,width=0.05,head_width=0.3,ec=_color,fc=_color)
    
    for line in range(10,130,10):
        plt.plot([line,line],[-100,100],c='silver',linewidth=0.8,linestyle='-')
    
    plt.plot([rusher.YardsFromOwnGoal,rusher.YardsFromOwnGoal],[-100,100],c='black',linewidth=1.5,linestyle=':')
    plt.plot([10,10],[-100,100],c='black',linewidth=2)
    plt.plot([110,110],[-100,100],c='black',linewidth=2)
    
    plt.title(play_id)
    plt.legend()

plt.show()

下面是效果圖：

繪製球員的泰森多邊形

繪製的必要性：百度百科定義點泰森多邊形-馮洛諾伊圖，簡單理解就是在一個球場中，每一個球員都是一個個不重合的點，那麼將整個球場劃分到這些點上，那麼能夠認爲每一個點都有本身的一片控制區域，這也常常用於獅羣領土劃分、機場劃分等問題，抽象出來都是同一個問題；

泰森多邊形的侷限：

  1. 沒有考慮球員與球員的差別；
  2. 沒有考慮球員的移動方向速度；
  3. 沒有考慮球的位置和影響；

相對來講，泰森多邊形是對這一類問題的簡單抽象，沒有考慮一些複雜因素，可是也揭示了不少信息；

繪製代碼以下：

from scipy.spatial import Voronoi

plt.figure(figsize=(12, 8))
plt.suptitle("Sample plays, standardized, Offense moving left to right")
plt.xlabel("Distance from offensive team's own end zone")
plt.ylabel("Y coordinate")

sample_20171120000963 = train_1[train_1.PlayId==20171120000963].copy()
for gp,chance in sample_20171120000963.groupby('PlayId'):
    play_id = gp
    rusher = chance[chance.NflId==chance.NflIdRusher].iloc[0]
    offense = chance[chance.IsOnOffense]
    defense = chance[~chance.IsOnOffense]
    
    plt.subplot(1,1,1)
    i+=1
    
    x_min, x_max = chance.X_std.min()-2, chance.X_std.max()+2
    y_min, y_max = chance.Y_std.min()-2, chance.Y_std.max()+2
    #plt.xlim(8,50) # 特定
    plt.xlim(x_min,x_max)
    #plt.ylim(5,40) # 特定
    plt.ylim(y_min,y_max)
    #plt.plot([x_min,x_min,x_max,x_max,x_min],[y_min,y_max,y_max,y_min,y_min],c='black',linewidth=1.5)
    
    vor = Voronoi(np.array([[row.X_std,row.Y_std] for index, row in chance.iterrows()]))
    regions, vertices = voronoi_finite_polygons_2d(vor)
    for region in regions:
        polygon = vertices[region]
        plt.plot(*zip(*polygon),c='black',alpha=0.8)
    
    plt.scatter(offense.X_std,offense.Y_std,marker='o',c='green',s=55,alpha=0.5,label='OFFENSE')
    plt.scatter(defense.X_std,defense.Y_std,marker='o',c='red',s=55,alpha=0.5,label='DEFENSE')
    plt.scatter([rusher.X_std],[rusher.Y_std],marker='o',c='black',s=30,label='RUSHER')
    
    for line in range(10,130,10):
        plt.plot([line,line],[-100,100],c='silver',linewidth=0.8,linestyle='-')
    
    plt.plot([rusher.YardsFromOwnGoal,rusher.YardsFromOwnGoal],[-100,100],c='black',linewidth=1.5,linestyle=':')
    plt.plot([10,10],[-100,100],c='black',linewidth=2)
    plt.plot([110,110],[-100,100],c='black',linewidth=2)
    
    plt.title(play_id)
    plt.legend()

plt.show()

運行效果圖：

從該圖中，能清晰的看到各個球員的控制區域，有一個量化因子是將這部分區域相加，量化每一個球隊的控制區域大小以及分佈；

球員控制區域熱圖

這部分的分享目的：這部分分享來自這篇論文，我也還沒看完，因此分享內容會比較少，簡單概述一下。首先你們應該能看到泰森多邊形的不足，首先它沒有考慮速度等動態因素，其次它是針對每一個球員而不是球隊的，可是咱們知道球隊的信息更重要，由於這是團隊競技，所以缺少對球員進行疊加的過程，而這些都是這篇論文重點探討的地方；

  1. 論文以足球數據爲基礎，量化了某個時刻的球場控制熱圖，且考慮了球在其中的影響，注意此時仍是假設每一個球員的影響在球場中都是一個圓形區域：
  2. 可是理想狀態每一個球員的影響多是圓多是橢圓，這裏我想象一個球員是一顆石子，若是垂直丟入水中（球員靜置不動時），那麼波紋就是一個圓形，若是是斜着拋入水中，那麼波紋應該是一個與石子方向上的橢圓：
  3. 那麼引入速度、方向後的球場控制熱圖，就應該是下面這樣：

實際上這篇論文還有不少內容，且主要內容是關於如何量化球員影響區域的，也就是如何抽象爲一些數學公式上，固然這部分我目前也算不上理解，因此處於外行看熱鬧的階段，不過你們應該能夠從中感覺到數學建模的威力，以及這些東西的普遍應用，但願這篇分享可以幫到你們一點點；

最後

你們能夠到個人Github上看看有沒有其餘須要的東西，目前主要是本身作的機器學習項目、Python各類腳本工具、數據分析挖掘項目以及Follow的大佬、Fork的項目等：
https://github.com/NemoHoHaloAi

相關文章
相關標籤/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公眾號
   歡迎關注本站公眾號,獲取更多信息
聯繫我們 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程