Do you love football -- the NFL Draft, fantasy football and football video games? Then, start following Joseph Bryan of Koalaty Statistics on Twitter!Do you love football -- the NFL Draft, fantasy football and football video games? Then, start following Joseph Bryan of Koalaty Statistics on Twitter!Do you love football -- the NFL Draft, fantasy football and football video games? Then, start following Joseph Bryan of Koalaty Statistics on Twitter!Do you love football -- the NFL Draft, fantasy football and football video games? Then, start following Joseph Bryan of Koalaty Statistics on Twitter!NFL ドラフト、ファンタジー フットボール、フットボール ビデオ ゲームなど、フットボールが好きですか? 次に、Twitter で Koalaty Statistics の Joseph Bryan をフォローしてください。
過去数年間、私はフォローしてきましたコアラティ統計Twitter で、そこでスレッドでツイートされたフットボール データの分析と予測モデリングに興味があります。 調査および分析されるデータは、 EA Sports の Madden フットボールなどのビデオ ゲーム、プレーヤーとチームの独自の評価をリリースします。 (私には、フットボールとビデオ ゲームの両方が大好きな 10 代の息子がいて、これらのことを教えてくれます。)
サッカーが間もなく再開されるので、アカウントの背後にいる人物に DM を送信しました。プロフィールでは、ジョージア大学で統計学の学士号を取得した分析スペシャリストとして特定されています。 コアラティ統計（ @koalatystats ) は Joseph Bryan で、親切にも彼自身と彼が何をしようとしているのかについて少し話してくれました。
ジョージアで生まれ育ったジョセフは、大学と NFL の両方でサッカーが大好きです。 ジョージア大学で機械工学を学ぶ予定だったが、基礎統計コースの教授がサッカーに統計を適用するという概念を教えた後、専攻を変更した。 数年後、統計学部の学位を持つこの分析スペシャリストは、彼が「フットボールに対するオタク回帰に基づく見方」と呼んでいるものを支持しています。
彼は、Caterpillar での品質工学のインターンシップ中に、「実世界のアプリケーション」で初めてデータを扱うようになりました。 過去 1 年間、彼はジョージア州の Masterack の品質エンジニアを務め、データ分析を施設に導入するのを手伝い、年間 200,000 ドル以上 (!) の節約と推定されるプロジェクトを主導しました。
彼はこの夏の初めに結婚し、ペンシルバニア大学で経済学の博士号を取得している妻と一緒にフィラデルフィアに引っ越しました。 そして今、彼は新しい街でデータ アナリストの仕事を探しています。 一方、彼は Koalaty Statistics に関する分析を共有しています。
Koalaty Statistics について教えてください。 いつ/どのように/なぜ始めたのですか?
数年前、UGA でのお気に入りのクラスである Applied Linear Regression というクラスを受講しました。 私の教授である Mark Werner は素晴らしく、本当に回帰が好きになりました。 それは春のクラスで、学んだことを好きなこと（サッカー）に適用したかったのです。 そこで、NFL ドラフトを予測するための回帰に取り組み始めました。 ドラフトは 4 月に開催される NFL の大イベントで、私のお気に入りの 1 つです。 それが起こる前にドラフトを予測するか、少なくとも試してみたかった. 回帰を作成しましたが、問題はありませんでしたが、驚くべきことは何もありませんでした。 私はすべてのデータを手動で収集しました (私は今のスキルをまったく持っていませんでした)。すべてを使用可能な方法で取得するのに約 30 時間かかりました。
少し時間が経ち、卒業が近づいたとき、「学位をフットボールの仕事に使い始めるべきだ... Twitterの人々が気にするかもしれない」と思いました。私はより洗練された統計スキル/方法を使用し、*素晴らしい*成功を収めたランニングバックのために2018年のNFLドラフトを行いました. 私はそれが起こる前に.67 R^2でドラフトを予測しました。 私は非常に誇りに思っており、小さなフォロワーを育て始めました。 特に、Peter Howard ( @パハウディ) 初めて私の作品をRTしてくれた人。
そこから、自分の方法やスキルをドラフト以外にも適用し始めました。 名前が必要だと思ったのですが、高校時代の私のあだ名はコアラでした....そこでコアラティ統計が作られました。 DraftKings や FanDuel などの DFS (デイリー ファンタジー スポーツ) でリグレッションの作業を開始したところ、フォロワーが大幅に増えました。 現在、私は約 1,803 人のフォロワーを抱えています。これは、オタクの回帰に基づいたサッカーの見方としては大量です。 始めた時はフォロワーが100人を超えるとは思っていませんでした。 すべてはNFLドラフトから始まりました。 しかし、それはほとんどすべての回帰ベース (サッカー内) に進化しました。 私は DFS の予測を楽しんでいますが、これは基本的にゲームごとに行われます。
Toward the end of 2018, Joseph Bryan made this Bayesian model using JMP. It predicted whether a running back would be “good” or “bad.” Good = above the avg FP (fantasy points) scored & Bad = below the avg FP scored. The goal was to add another variable to a larger ensemble model that predicted weekly success. The X axis is FP scored in a single game.Toward the end of 2018, Joseph Bryan made this Bayesian model using JMP. It predicted whether a running back would be “good” or “bad.” Good = above the avg FP (fantasy points) scored & Bad = below the avg FP scored. The goal was to add another variable to a larger ensemble model that predicted weekly success. The X axis is FP scored in a single game.Toward the end of 2018, Joseph Bryan made this Bayesian model using JMP. It predicted whether a running back would be “good” or “bad.” Good = above the avg FP (fantasy points) scored & Bad = below the avg FP scored. The goal was to add another variable to a larger ensemble model that predicted weekly success. The X axis is FP scored in a single game.Toward the end of 2018, Joseph Bryan made this Bayesian model using JMP. It predicted whether a running back would be “good” or “bad.” Good = above the avg FP (fantasy points) scored & Bad = below the avg FP scored. The goal was to add another variable to a larger ensemble model that predicted weekly success. The X axis is FP scored in a single game. 2018 年末にかけて、Joseph Bryan は JMP を使用してこのベイジアン モデルを作成しました。 ランニングバックが「良い」か「悪い」かを予測しました。良い = 平均 FP (ファンタジー ポイント) を上回る得点 & 悪い = 平均 FP を下回る得点。 目標は、毎週の成功を予測する大規模なアンサンブル モデルに別の変数を追加することでした。 X 軸は、1 つのゲームで獲得した FP です。
フットボールファンはコアラティ統計にどのように反応しましたか?
通常、「畏敬の念」は、「それが起こる1か月前に、彼はどのように予測したのですか?」のようなものです。または、特定の週にブレイクアウトするプレーヤーを予測すると、人々はかなり満足します。 これは本当に楽しいです！ 最もクールな瞬間は、人々が私がしていることを見て、興味を持って私に DM を送信し、統計手法について詳しく学べたときです。
Koalaty Statistics の結果はどうなると思いますか?
最終的な目標は、人々が統計を楽しく学べるようにすることです。 誰かが私が大学に行った理由を尋ね、私が「統計」と言うたびに、彼らは*いつも*「ええ、それは難しい/退屈だ」（またはその変形）と言います。 統計学はとても楽しく興味深いもので、十分に学べば非常に役立つものになります。
ファンタジーフットボールではいつも勝っていますか?
ハハ、時々。 私のモデルは常に 100% 完璧ではありません。完璧なモデルはありません。 私はまだすべてに取り組んでおり、いつかできるようになることを願っています。 モデルがほぼ完璧だった週もありましたが、モデルがほとんど正しくなかった週もありました。
統計の何が一番好きですか?
大学で専攻を入れ替えたのは、「統計があれば未来を予測できる」と思ったからで、それはある程度真実です。 超大国のようなもので、誰もが超大国を望んでいませんか？
JMPを使い始めたきっかけは？ なぜ今それを使うのですか？
初めて紹介されましたJMP UGAでの私の応用線形回帰コースで。 そのコースでは、R と JMP の両方の使い方を教えてもらいました。 私は今でも両方を使用していますが、主に JMP の優れた視覚化機能とニューラル ネットワーク機能を利用しています。 JMP はほとんどの回帰ツールを効率化するため、問題に対して複数の異なるアプローチを短時間で簡単に試すことができます。
他の人があなたについて知りたいと思うことは何ですか?
サッカーをしていないときは、NCAA ソフトボールと NBA バスケットボールを観戦しています。 私はトロンボーンを演奏していたUGAのRedcoat Marching Bandにいました。 私もイーグルスカウトです。 最後に、UGA の 4 年生のときに、地元の学校の放課後プログラムで幼稚園児にコーディングのクラスを教えました。
ハハ！ 読んでくれてありがとう@Larry_LaRusso -- そして、ファンタジー フットボールで頑張ってください!
なんてクールな奴だ...そしてJMPと統計の巧妙な使い方。 フットボール ファン、ファンタジー フットボールの所有者、時折マッデンの選手として、これは Twitter で素晴らしいフォローになるでしょう。 仲間のファンタジー フットボールのオーナーがこのブログを読まないことを願うばかりです。 分析を続ける@DFF_コアラ!
