当我们上次离开时，我（希望）用以下内容吸引了你“黄金城市”探索以及他们如何讲述奥林匹克历史的故事。 我制定了一个目标，即寻找运动表现中的地理相关性，还有地理编码的最后一个障碍需要克服。 好吧，我很高兴地报告地理编码已经完成，现在所有奥运会运动员（或者至少是那些有出生地信息的运动员）现在都可以在阳光下享受时光了。
充满星星的世界
首先，我们从数据集中所有运动员的地图开始。 毕竟，最佳实践是首先将数据可视化。
当我看到这张地图时，有几件事突然引起了我的注意。
- 虽然奥运会以其全球性而自豪，但运动员出生地的密度却相当以欧洲为中心。 解释这一点的一个好方法是按参与年份对出生地进行着色。 请注意，后来的几年有更多的全球参与，这准确地反映了这样一个事实：20 世纪初期，奥运会主要是欧美国家的演习。 th世纪。
- 正如人们所预料的那样，运动员的分布往往与世界人口的分布非常接近。
- 如果上述要点成立，那么对于南半球的大部分地区来说，大多数人口都位于大陆的边缘，而北半球则往往更加“填充”。我猜这与殖民历史有一定关系，但我已经开始离题了……
此时，我发现自己陷入了一个难题。 我怎样才能最好地探索运动员表现的地理相关性问题？
您需要多大的铲子？
我第一次尝试使用预测分析来赢得奖牌或金牌：基本回归树、提升树、袋装树、神经网络、支持向量机、朴素贝叶斯、k-最近邻……基本上所有精彩的预测分析工具联合管理计划不得不提供。 我的目标（听起来可能很疯狂）是尝试使用地理坐标和比赛年份来预测最近的表现，并使用 2000 年之后的比赛进行验证。
虽然很高兴在所有这些方法中看到一些一致的结果，但我注意到它们都倾向于重复我在数据本身中看到的内容。 另外，生成的模型不一定会赢得任何最佳预测能力的数据竞赛（我很幸运获得了高于 0.2 的 R^2）。 但我真的、真的、真的希望这些方法能够发挥作用，所以我花了几周的时间反复尝试每种方法，看看它是否能产生任何新的见解。
最后，我终于有了一个惊人的认识： S有时候简单一点更好！！ 别误会我的意思；预测分析是一个强大的工具集，事实上，我尝试的每种方法都给出了几乎相同的结果，并且与我在原始数据中看到的结果并不矛盾，这应该证明它们是有效的。 碰巧的是，对于我的数据，我试图使用反铲挖掘洞察力，而我只需要一把简单的抹子。
探索的快感！
因此，在这一点上，我可以用接下来的几段内容来详细解释我发现的关于来自哪些地方的运动员在哪些运动中表现出色的见解。 我可以……但是那有什么乐趣呢？ 相反，我认为我应该利用 JMP 仪表板的强大功能，让无所畏惧的读者亲自探索！ 您可以在随附的 zip 文件的 Medalists_Summary 表中找到它。 除了仪表板之外，还有另一个交互式地图，它使用了新的密度功能JMP 15按运动项目和赛事探索奖牌获得者的密度。 请随意探索，甚至开始自己的调查！
这并不是说我不会提供一些摘要信息。 有些运动项目的顶级运动员的出身符合预期（例如冰球、棒球和高山滑雪），有些运动项目的出身则有点出人意料（例如举重和水球），还有一些运动项目的出身则令人惊讶（例如举重和水球）。似乎没有真正明确的起源（例如铁人三项和足球）。 但不要相信我的话。 自己去探索吧！
高分、高赞
在之前的一个博客文章，我写了关于使用原始率统计数据的危险，因为它对分母（以人口为代表）非常敏感。 我得出了一个分数指标，试图通过将原始比率乘以概率分数来缓冲不必要的夸大比率统计数据，本质上是对比率进行加权，以便少数群体不会使结果产生偏差。 我想我会在这里尝试类似的方法，原始比率代表奖牌或金牌的比例。 我在这里计算的分数由原始比率乘以每年每项赛事的运动员人数的概率分数组成。
在所附 zip 文件中另一个标有 Birthplace_Medalists_Summary 的表中，您将看到 Medalists_Summary 表中每个出生地城市的奖牌计数和百分比汇总。 通过该表，还有另一个交互式图表，可让您探索各种运动和赛事的奖牌和金牌分数。 我鼓励您尝试一下，并将您的发现与您在奖牌获得者仪表板中看到的内容进行比较（希望它们相差不远......）。
正如您所看到的，这里有一个大主题：交互式绘图和地图。 这就是 JMP 图形结构的美妙之处，我一直很喜欢这种结构，并且一直在了解更多。现在，有了 JMP 15 的即时图形满足感，它变得越来越好！
我从来不知道我有过的梦想
从我上面关于预测分析的讨论中您可以看到，地理位置和运动表现之间并不总是存在很强的相关性。 显然，还涉及更多内容。 我希望在后续文章中探讨的一个关键方面是运动俱乐部在运动表现中的作用。 这背后有一个令人惊奇的故事，我现在想与大家分享！
正如您可能知道的那样，这个话题让我很兴奋，我很高兴与我的经理分享它，我非常感谢他倾听并鼓励我。 碰巧的是，她正在与另一位经理开会，该经理认识一位名叫 Mirko Mueller-Goulsby 的 SAS 员工。 您可能会问这个人有什么特别之处？ 好吧，只是一个简单的事实：他是前奥运会运动员！ 没错，SAS 拥有自己的奥运运动员在其内部工作。 米尔科是一名花样滑冰运动员，曾代表德国参加 1998 年长野冬季奥运会。 这一切中最好的部分是什么？ 通过我经理的联系，我能够坐下来和他一起吃午饭！ 那有多棒？ 正如我在 Twitter 上告诉我的粉丝的那样（ @ckingstats ，请原谅我无耻的插件），我必须实现一个我从来不知道自己拥有的梦想。 他建议研究体育俱乐部，所以我期待在不久的将来与他和你们分享我在这方面的成果！
