實『性』毋庸置疑。高直球與曲球的搭配是能夠透過詭異驗證重合度的方式描繪的,再不行還有模擬環境的真人準確度識別。
再者,在模型之後,還驗證了伸卡球對左打的效果低下,除非是伸卡的球速快到讓打者無法判斷。
其實模型並不難建,只要有人工智慧當面的知識面一般情況來說不懂棒球也不是問題。可難就難在棒球是一項非常老土的體育運動,老土到超乎你的想像。
還記得測速槍之類的東西嗎?這在大聯盟早就被淘汰了。還有勝投數啊、打擊率之類的統計資料,其實幾十年前就不頂用了,可每個報告裡還是免不了出現!老土!不願革新。
測速這方面有影片影象處理技術已經完全無用~如果不是這樣恐怕現在在球場上還會有許多人舉著測速槍來看球吧~
眾所周知,球探是一個關鍵,球探報告也是一個關鍵,可隨著資料模型的建立,它們比之球探要更加準確。從基礎資料到投球軌跡、打擊速度和角度甚至守備站位都能精確到位,快速、精準有論證,可大聯盟會放棄球探只相信資料嗎?
顯然不會!
那會忽視打擊率嗎?更不可能!
會無視投手的勝投嗎?絕對不可能!
看!棒球就是那麼老套!新事物要佔據一席之地非常非常的難!
所以現在沈秦一聽說這個就想起之前和潘園的聊天,他打不了職業,但是又想從事棒球相關方面的工作,那資料模型這一塊的確是一個很好的切入點啊。
哪怕棒球現在不願大力度的改革,以後肯定會的啊,從棒次到佈陣,從調整到分析,哪一個都離不了資料!
每年一支球隊的162場比賽,30支球隊!再並上小聯盟從3a到a再到菜鳥聯盟。一個球隊下面還附屬著4、5甚至6個球隊!僅僅靠人?誰做的到?
:。: