Als wir das letzte Mal aufgehört haben, hatte ich Sie (hoffentlich) mit verführt eine Erkundung der „goldenen Städte“ und wie sie eine Geschichte der olympischen Geschichte erzählten. Ich hatte mir zum Ziel gesetzt, nach geografischen Korrelationen in der sportlichen Leistung zu suchen, wobei noch eine letzte Hürde der Geokodierung zu überwinden war. Nun, ich freue mich, Ihnen mitteilen zu können, dass die Geokodierung abgeschlossen ist und nun alle olympischen Athleten (oder zumindest diejenigen mit Geburtsortinformationen) ihre Zeit in der Sonne verbringen können.
Eine Welt voller Sterne
Beginnen wir zunächst mit einer Karte aller Athleten im Datensatz. Schließlich besteht die beste Vorgehensweise darin, die Daten zunächst zu visualisieren.
Beim Betrachten dieser Karte sind mir einige Dinge aufgefallen.
- Während die Olympischen Spiele stolz darauf sind, global zu sein, ist die Dichte der Geburtsorte der Sportler eher eurozentrisch. Eine gute Möglichkeit, dies zu erklären, besteht darin, die Geburtsorte nach Jahr der Teilnahme einzufärben. Beachten Sie, dass es in späteren Jahren eine stärkere weltweite Beteiligung gab, was genau die Tatsache widerspiegelt, dass die Olympischen Spiele zu Beginn der 20er Jahre überwiegend eine europäisch-amerikanische Übung waren Th Jahrhundert.
- Die Verteilung der Sportler folgt erwartungsgemäß ziemlich genau der Verteilung der Weltbevölkerung.
- Wenn der obige Stichpunkt zutrifft, lebt der Großteil der Bevölkerung in weiten Teilen der südlichen Hemisphäre am Rande der Kontinente, im Gegensatz zur nördlichen Hemisphäre, die tendenziell eher „ausgefüllt“ ist. Ich vermute, dass dies einen Zusammenhang mit der Geschichte der Kolonisierung hat, aber ich habe bereits begonnen, abzuschweifen …
Zu diesem Zeitpunkt befand ich mich in einem kleinen Rätsel. Wie kann ich meiner Frage nach der geografischen Korrelation der Sportlerleistung am besten nachgehen?
Wie groß ist eine Schaufel?
Ich habe zum ersten Mal versucht, prädiktive Analysen zu verwenden, um eine Medaille oder eine Goldmedaille zu gewinnen: einfache Regressionsbäume, verstärkte Bäume, eingesackte Bäume, neuronale Netze, Support-Vektor-Maschinen, naive Bayes, k-nächste Nachbarn … im Grunde alle wunderbaren prädiktiven Analysetools JMP zu bieten hatte. Mein Ziel, so verrückt es auch klingen mag, bestand darin, geografische Koordinaten und das Jahr des Wettbewerbs zu verwenden, um die aktuelle Leistung vorherzusagen, und die Spiele nach dem Jahr 2000 zu Validierungszwecken zu verwenden.
Obwohl es gut war, bei all diesen Methoden konsistente Ergebnisse zu sehen, bemerkte ich, dass sie alle dazu neigten, nur das zu wiederholen, was ich in den Daten selbst sehen konnte. Außerdem würden die resultierenden Modelle nicht unbedingt Datenwettbewerbe für die beste Vorhersagefähigkeit gewinnen (ich hatte das Glück, einen R^2 über 0,2 zu erreichen). Aber ich wollte wirklich, wirklich, dass diese funktionieren, und so verbrachte ich mehrere Wochen damit, jede Methode immer wieder auszuprobieren, um zu sehen, ob sie neue Erkenntnisse brachte.
Am Ende kam ich endlich zu einer erstaunlichen Erkenntnis: S Manchmal ist einfach besser!! Verstehen Sie mich nicht falsch; Predictive Analytics ist ein leistungsstarker Werkzeugsatz, und die Tatsache, dass jede Methode, die ich ausprobiert habe, fast die gleichen Ergebnisse lieferte, die nicht im Widerspruch zu dem standen, was ich in den Rohdaten sah, sollte ein Beweis dafür sein, dass sie gültig sind. Es ist einfach so passiert, dass ich für meine Daten versucht habe, mit einem Bagger nach Erkenntnissen zu graben, obwohl ich dafür nur eine einfache Kelle brauchte.
Der Nervenkitzel der Entdeckung!
An dieser Stelle könnte ich die nächsten Absätze damit verbringen, in fesselnden Details die Erkenntnisse zu erläutern, die ich darüber gewonnen habe, welche Athleten aus welchen Orten in welchen Sportarten gute Leistungen erbracht haben. Ich könnte … aber wo wäre da der Spaß? Stattdessen dachte ich, ich nutze die Leistungsfähigkeit der JMP-Dashboards und lasse Sie, furchtloser Leser, selbst erkunden! Sie finden es in der Tabelle „Medalists_Summary“ in der beigefügten ZIP-Datei. Neben dem Dashboard gibt es eine weitere interaktive Karte, die die neue Dichtefunktion nutzt JMP 15 um die Dichte der Medaillengewinner nach Sportart und Veranstaltung zu erkunden. Fühlen Sie sich frei, die Gegend zu erkunden oder sogar Ihre eigenen Untersuchungen zu starten!
Das heißt aber nicht, dass ich keine zusammenfassenden Informationen bereitstellen werde. Es gab einige Sportarten, bei denen die Herkunft der Spitzensportler erwartungsgemäß war (z. B. Eishockey, Baseball und Ski Alpin), bei einigen war die Herkunft etwas überraschend (z. B. Gewichtheben und Wasserball) und bei einigen anderen war dies der Fall schien keinen wirklich eindeutigen Ursprung zu haben (z. B. Triathlon und Fußball). Aber glauben Sie mir nicht beim Wort. Gehen Sie selbst auf Entdeckungsreise!
Hohe Punktzahlen, großes Lob
In einem früheren Blogeintrag Ich habe über die Gefahren der Verwendung einer Rohratenstatistik geschrieben, da diese sehr empfindlich auf den Nenner (dort dargestellt durch die Bevölkerung) reagiert. Ich habe eine Score-Metrik abgeleitet, die versucht, unnötig überhöhte Ratenstatistiken abzufedern, indem sie die Rohrate mit einem Wahrscheinlichkeitswert multipliziert und dabei im Wesentlichen die Rate so gewichtet, dass kleine Populationen die Ergebnisse nicht verzerren. Ich dachte, ich würde hier etwas Ähnliches versuchen, wobei die Rohquote entweder den Anteil der Medaillen oder der Goldmedaillen darstellt. Der hier berechnete Wert bestand aus dieser Rohrate multipliziert mit dem Wahrscheinlichkeitswert der Anzahl der Athleten pro Veranstaltung und Jahr.
In einer anderen Tabelle in der angehängten ZIP-Datei mit der Bezeichnung „Birthplace_Medalists_Summary“ sehen Sie die Medaillenzahlen und -prozentsätze zusammengefasst für jede Geburtsortstadt in der Tabelle „Medalists_Summary“. Mit dieser Tabelle gibt es einen weiteren interaktiven Plot, der es Ihnen ermöglicht, Medaillen- und Goldmedaillenergebnisse für verschiedene Sportarten und Veranstaltungen zu erkunden. Ich ermutige Sie, es auszuprobieren und Ihre Ergebnisse mit dem zu vergleichen, was Sie im Medaillengewinner-Dashboard sehen (hoffentlich sind sie nicht weit davon entfernt ...).
Wie Sie sehen, gibt es hier ein großes Thema mit interaktiven Plots und Karten. Das ist das Schöne an der grafischen Struktur von JMP, die mir immer gefallen hat und über die ich immer mehr lerne.Und jetzt, mit der sofortigen grafischen Befriedigung von JMP 15, wird es immer besser!
Der Traum, von dem ich nie wusste, dass ich ihn hatte
Aus meiner Diskussion über prädiktive Analysen oben können Sie ersehen, dass es nicht immer einen starken Zusammenhang zwischen geografischem Standort und sportlicher Leistung gibt. Offensichtlich gehört noch viel mehr dazu. Ein wichtiger Aspekt, den ich in einem Folgebeitrag näher erläutern möchte, ist die Rolle von Sportvereinen für die sportliche Leistung. Dahinter steckt eine erstaunliche Geschichte, die ich jetzt gerne mit Ihnen teilen möchte!
Wie Sie wahrscheinlich sehen können, begeistert mich dieses Thema und ich habe es gerne mit meinem Vorgesetzten geteilt, dem ich sehr dankbar bin, dass er mir zuhört und mich dazu ermutigt. Zufällig war sie in einer Besprechung mit einem anderen Manager, der von einem SAS-Mitarbeiter namens Mirko Mueller-Goulsby wusste. Was ist das Besondere an diesem Kerl, fragen Sie sich vielleicht? Nun ja, einfach die Tatsache, dass er ein ehemaliger olympischer Athlet war! Das ist richtig, SAS hat einen eigenen olympischen Athleten, der in seinen Mauern arbeitet. Mirko war ein Eiskunstläufer, der 1998 für Deutschland an den Olympischen Winterspielen in Nagano teilnahm. Und das Beste daran? Durch die Verbindung meines Vorgesetzten konnte ich mit ihm zusammensitzen und zu Mittag essen! Wie großartig ist das?! Wie ich meinen Followern auf Twitter sagte ( @ckingstats , verzeihen Sie meinen schamlosen Plug), ich durfte mir einen Traum erfüllen, von dem ich nie wusste, dass ich ihn habe. Es war sein Vorschlag, sich nach Sportvereinen umzusehen, daher freue ich mich darauf, ihm und Ihnen in naher Zukunft meine diesbezüglichen Ergebnisse mitzuteilen!
