返信先: お題(1) 被エース率

ホーム フォーラム 鼻血ブログ分析班 お題(1) 被エース率 返信先: お題(1) 被エース率

#41469

関係者さま、

こちらのフォーラム、前から気になってたのですが素晴らしいデータがありますね。

最近知られてきたディープ(マシーン)・ラーニングについて以下をコメント記事にしたのですが、最初からこちらに投稿すべきでした。イギリスのインペリアル・カレッジのATPツアーポイントの卒業論文はなかなか面白くて参考になります(たとえばテニスのポイントは近似的にお互いに独立で同じ分布をする)。ATPポイントのデータベースのサイトとかも載っているので、ちょっと調べてみようかと思っています。ディープ(マシーン)・ラーニング自体は数学の知識が必要ですが、一般ユーザーとしては最近広まってきたソフトを使えばよいはずで、難しいソフトの知識を必要とするわけではないと思います。肝心なのはインプットするデータだと思います。ATPのデータは拾ってこれるでしょうから、こちらで皆さんが実際に手を動かして計算されているデータはたいへん貴重だと思います。それぞれ眺めるだけでもよいですが、それを共有データとしてディープ(マシーン)・ラーニング解析してみては、というのがアイデアです。ディープ(マシーン)・ラーニングの結果は、たとへば試合に勝つ(1)または負ける(0)ですが、さまざまなパラメーター(例:1stサービス、リターン率)を変えて錦織選手の勝率を上げるためには、どこを改善するのが良いのか楽しんで研究できるのではないかと思いました。イギリスは賭けが盛んですが、たぶんディープ(マシーン)・ラーニングを使っているのだと思います。ちゃんと確認してませんが、たぶんマレー選手のチームとかはかなりデータ解析しているものと思います。時間はかかるかもしれませんが、将来的な課題として検討してみてはと思いました。


2017/02/22 12:29am
返信 引用
団長さま、

ブログで「ほんとうは確率分布の話がしたい」とのことですが、いつか書こうと思っていたのですが、フォーラム・鼻血ブログ分析班立ち上げの動機「主観的な印象に基づく批評から、確かなデータに基づいた客観的な分析へ」に小生も全面的に賛成で、テニスはそれが可能なスポーツだと思っています。もちろん、ケガや心理状態などの不定要素がありますが、それを入れた解析でさえ可能です。最近、将棋や囲碁(AlphaGo)で話題になったディープ・ラーニング(マシーン・ラーニング)による解析はやってみる価値があるとずっと思っています。ただそのためには膨大なデータの蓄積が必要です。でもこのブログに集う人々は、(小生のこれまでの印象では)何かしらテニスに携わっている(セミ)プロだったり、会社勤めながら昔はテニスをやってた人、実は計算機に詳しい、語学やインターネットでの情報収集ならまかせとけ、とかバラエティーに富んだ人材が豊富なので、皆で協力してデータ構築するのは可能ではないかと思ってました。実際にプロテニスATPツアーについてマシーン・ラーニング解析したイギリスのインペリアル・カレッジ・工学部計算機の卒業論文があったりします。詳しくないですが、この手の解析はたぶんブックメーカーとかの賭けに使われていると思います。我々は錦織ファンの観戦者だし、皆仕事や家族のことで忙しいので、そんなヒマなことと思われるかも知れませんが、最近ではディープ・ラーニングのソフトがだいぶ整備されてきており、使いやすくなっています。データを共有して、ディープ・ラーニング解析ができる人はやって、錦織選手の対戦相手への作戦について、皆でワイワイ・ガヤガヤできないかと正月早々夢をみていました。試合に関係ないトピですみません。


2017/02/22 12:57am
返信 引用
すみません、リンク切れでしたがイギリスのインペリアル・カレッジ・工学部計算機の卒業論文というのは、こちらです。英語ですがなかなか興味深い内容なので、お時間のある方は試合の合間にでもどーぞ。卒論書いた人はたぶんブックメーカーに就職ですね。