今天是去到讲话关于
什么提供这最好的机会为了A回来在这NBA。
所以我的姓名是韦斯顿三文鱼。
我是现在A学生在俄克拉何马州状态大学
学习为了商业分析和数据科学在我们的硕士程序。
和我的姓名是扎克磨坊主。
我是还A学生在俄克拉何马州状态大学
和还学习为了我的硕士在业务A分析学和数据科学。
全部正确的，所以是去到覆盖这桌子内容真实的快的。
那节目什么是正在做自始至终这推介会。
第一的是去到开始和一个介绍
那讨论为什么是这里和什么确切地这学习是为了。
然后是去到跳进入我们的数据和方法，
和那看起来在什么做这数据看喜欢，
如何做过我们完全的我们的分析，
和这不同的方法我们操纵的我们的数据。
出色地然后看在这描述性和预测性比例
那展示什么能我们派生从这原样的数据
和然后什么做我们的预测看喜欢。
然后在这结尾，
出色地得出结论这推介会
和看在什么是这分析的影响
和如何它能是用过的经过NBA团队在这未来。
这是A引用经过加贝坦率。
他是这导演的篮球分析和这散安东尼奥马刺队。
我们想法这会是A好的引用
在处理时投入[听不清 00:01:16]
和还这NBA是在一般的。
所以他说，
“我思考分析有越来越受欢迎
因为它能给你A竞争的优势
如果你做它出色地。
每一个小的少量有帮助。”
通过我们的推介会，是去到讨论
NBA分析和如何他们能生产来背
基于在这数据那我们寻找。
我们想法这引用真的辐到这全面的客观的的我们的项目。
现在我会经过它离开到扎克对我介绍这项目作为A所有的。
谢谢，韦斯顿。
去进入这介绍这里，去进入A NBA季节，
每一个团队有一常见的目标，和那是到赢这锦标赛。
喜欢我说，去进入这季节， A很多的团队希望为了40加赢
在他们的82-游戏季节，
但A伟大的季节通常结果在50加赢了。
然后还我们的基本的兴趣为了这推介会和分析
是在这难的战斗过胜利或者还有被称为翻盘胜利
经过这些不同的团队。
我们定义A回来胜利
作为这获胜团队失去经过10加积分在中场休息。
在中场休息存在向下经过更多的比比赛结束时10分，
我们是看见那每一个所以经常
那里是团队那是服用A带领和最终获胜这游戏。
然后最后，
我们有我们的分析那利用玩-经过-玩数据和薪水数据套，
哪个我们将要去进入A小的更多的细节在只是A很少分钟。
现在是去到讨论这两个业务问题
那我们想到回答使用两个都这数据。
第一的，看着在这玩-经过-播放数据，
我们想到知道确切地什么戏剧或者顺序的戏剧之内这游戏
给这团队这最伟大的机会在A回来胜利。
我们想到知道什么确切地球员和教练可以做
和画向上在这线向上到生产A回来。
然后和这薪水和职业统计数据
我们真的想到看如何那些变量，
这薪水和职业统计数据，
能是用过的到决定如何涉及A玩家应该是在回来胜利。
所以不是一定只是如何出色地他们履行作为他们实际上履行，
但还如何他们应该履行基于在这些变量。
所以哪个球员是表现不佳
和超过表演根据到他们的合同和追踪记录？
下一个出色地讨论这数据和方法那我们用过的为了两个都这数据套。
喜欢我说，我们哈两个数据套。
这第一的一专注的在逐个播放数据。
这数据包含这过程和每场比赛的结果
之内每一个游戏从2015年通过2018.
所以它包括全部30 NBA团队和确切地什么他们做过
在每一个单身的玩自始至终这游戏自始至终这些年。
扎克将要还讲话关于这薪水数据那我们有。
正确的，所以去进入这薪水数据，它包含这薪水信息
为了每个的这球员
那是提及在这逐个播放数据。
无论那玩家那曾是播放数据中提到
玩过一分钟的NBA时间或者数百的分钟的NBA时间，
他们是出现在我的薪水数据。
我可以然后去和看什么他们的职业统计数据和什么他们的薪水曾是
为了这季节那我们是看着之内这逐个播放数据。
现在是去到看在这关键变量
那我们成立之内这逐个播放数据放。
你能看事物这样的作为回来，
一半时间赤字，这射击距离，结果类型，和反弹类型。
但二那我们想到专注于在特别的曾是这回来。
那是A多变的[听不清 00:04:51]
它曾是我们的旗帜多变的和用作我们的预测器。
我们标记的这一下一个到全部游戏
在哪里A团队落后的经过10或者更多的半场得分
和来了后退和韩元和它曾是A零如果不是，
因为作为我们说，
这全面的目标的这推介会
是到看什么线索到来后退在一般的。
然后还我们想到看看半场赤字，
哪个曾是其他多变的那我们创建。
这节目这数字的点，这某队落后的通过在中场休息。
如果这赤字曾是更大比或者等于10分，
然后那些是这游戏那我们具体来说看着在，
和然后我们想到看如果那些比赛中的戏剧
引领到A回来在这结尾。
现在看着在一些的这钥匙变量为了这薪水数据。
这些作为A所有的是变量那我们决定
是去到是重要的为了我们的分析。
但一次再次，
我通缉到专注于A很少的这些或其中几个变量
作为我感觉那他们是更重要到观点出去和解释。
第一的的哪个存在这玩家参与多变的。
这玩家参与个人参与的变量说明
在钥匙戏剧期间卷土重来。
这些戏剧可以包括镜头，篮板、犯规、
任何的这可操作的戏剧
那我们看自始至终这逐个播放数据。
所以我们通缉到拿个人帐户
从球员所以我们可以看
如何许多次A肯定玩家
曾是整个赛季投篮，
和真的是有能力的到比较这些球员
到联盟内的其他球员
然后去到来后退分数。
这是A最小-最大限度计分方法
那我们使用到分数这全面的玩家参与。
这是什么我们使用到真的量化如何涉及这些球员是。
这是利用这玩家参与变量
那你看那我只是解释。
我通缉到去A小的少量更深进入这回来分数计算
只是到制作当然那每个人明白如何这曾是计算。
作为我说，它曾是A最小-最大限度评分方法，
和这曾是用过的到确定玩家的参与
期间他们的团队的回来胜利。
这最小-最大限度方法创造这分数,
服用这球员参与考虑，
相对的到这范围的价值观那出现为了每个多变的。
它会拿这最大限度数数的这些不同的戏剧
和它会使用那作为这最大限度和然后A最低限度
的通常什么我们成立会是零作为肯定球员会仅有的玩
A非常低的数量的分钟从零和全部这方式向上到数百的分钟。
但通常和这零分钟球员，
我们成立那他们做过不是贡献很多到这些回来赢了。
以下你看这公式那我们用于每个玩家
到创造这回来分数。
这是A完美的例子作为我们看这协助数数
分为经过这最大助攻次。 1667,
哪个.1667存在1个分为经过这全部的的这6个包括变量，
哪个是什么我们会称呼这重量为了这公式。
每个的这些变量曾是加权的一样
和我们拿这最小-最大限度每个变量的分数
和相乘那经过100到得到这最终的分数。
出色地现在看在这玩-经过-玩分析方法。
什么时候服用这数据，我们第一的开始了经过合并。
我们有六CSV文件文件，
一那确定每个个人年，
和我们合并全部那些进入一中央文件
所以我们可以看在每个逐个播放数据从这六年那我们有。
我们然后转变这数据使用旗帜变量。
作为我们说，
我们创建A柱子那指定的无论那里曾是A回来或者不是。
我们第一的看着在这中场休息分数
和锯如果团队是尾随经过10或者更多的在中场休息。
我们会然后拿那些游戏
和然后看如果A回来实际上发生。
如果它做过，我们标记的一和具体来说出色地得到那些戏剧那发生。
然后为了这描述性的分析，
我们看着在不同的图表之内画面。
这些包括事物作为如何远的离开这球员是射击从这篮子，
以及是否他们是丢失的或者假装他们的镜头，
这反弹类型，一个nd事物像那样
到得到一个主意的什么球员是正在做期间这游戏,
如果他们是实际上生产好的结果到安全的A回来。
然后最后，这预测的分析我们做过在杰MP临使用A决定树
到看哪个戏剧和连续剧生产这来后退
和如何我们能更好的看在那些在这未来到然后有团队
是有能力的到生产更多的卷土重来自始至终这季节。
现在为了这方法和这薪资分析。
第一的离开，我们有到做一些桌子加入。
这些关节是必要的到得到所有数据表放在一起
作为我们需要他们全部一起
到真正能够潜入一切作为A所有的
分开的它不是也很多帮助为了我们。
然后我们已经感动在到一些数据转型。
我们写了数据库查询到收集这计数的这钥匙指标。
这是如何我们得到这计数的镜头
为了这各种各样的球员
沿着和其他事物这样的作为再平衡或者犯规。
然后我们感动在到一些描述性的分析那曾是完全的在画面。
和这描述性的分析，
一的这钥匙事物那我们是看着
曾是这回来分数,这实际的回来分数,
和这预料到的回来分数相对这薪水的这玩家。
所以我们可以看只是如何出色地他们是表演
相对的到他们的薪水。
然后最后我们有A预测的分析。
我们做过A线性的回归那曾是完全的在JMP临。
我将要去进入A小的少量更多详情关于那A小的少量之后在。
现在是去到跳
进入那些描述性的和预测的分析那我们实施。
是去到开始和这描述性的分析第一的。
这里，我们想到看在这薪水相对卷土重来经过每个NBA团队。
如果你看在这数据点，
你能看那最多团队跟随趋势线，
意义那作为他们多花钱在他们的团队和薪水，
他们还生产A更大数字的卷土重来。
所以你能看那这波士顿凯尔特人队
有这最多卷土重来在14朝向顶部，
和然后这克利夫兰骑士队有这最高薪水有薪酬的，
但还一的这最少卷土重来和仅有的五卷土重来。
什么我们想法曾是这最多有趣的曾是这印第安纳州步行者，
因为不是仅有的做过他们支付这样的A低的薪水，
但他们是还有能力的到产生 12 回来
哪个是这第三最多自始至终这NBA。
我通缉到关注印第安纳步行者队
和看什么确切地他们在做
那允许他们到产生如此高的复出率
和这样的A低的薪水速度。
作为韦斯顿说，我们通缉到重点在这印第安纳州步行者队。
这里我们看这薪水的步行者队的球员与他们个人的复出得分。
一些高度得分球员是成立之内这印第安纳州步行者队名册，
作为你能看和迈尔斯车工，卡尔森，年轻的，乔治，和奥拉迪波。
这顶部得分球员是传播穿过这薪水光谱。
所以你看一些便宜的球员这样的作为迈尔斯·特纳或卡尔森
存在更多的的A中-范围播放器,薪水有薪酬的播放器。
然后你还有更多的昂贵的球员这样的作为保罗乔治
或维克多奥拉迪波更远向这顶部正确的的这图形那里。
所以你能真的看如何他们已经分散财富
和是得到最大限度表现出去的他们的高薪球员，
但还发现表现出去的降低有薪酬的玩家。
你能还看那他们有一些中间等级球员那来进入玩
和提供大的帮助到这步行者队
作为他们需要一些球员到来离开这长椅
和是有能力的到提供
一些钥匙价值戏剧和生产卷土重来。
作为我说，一的这钥匙我想指出的要点
曾是那图片维克多·奥拉迪波——这最高有薪酬的球队中的球员——
是还这最高表演在条款的回来分数，
所以他们是确实得到他们的值得出去的他作为A播放器。
全部正确的，所以现在是去到得到进入我们的预测的分析。
到开始和这逐个播放数据，我们决定到制作A决定树
到预测这玩类型那线索印第安纳州步行者队生产一个来后退
使用这下列的变量那个你能看以下。
出色地看那仅有的A这些变量中的几个
实际上玩过A巨大的影响在预测无论这步行者队
将要来后退从10或者更多的点。
在这决定树，
那里是二节点在特别的。
一在哪里这距离射击曾是大于或等于 26 英尺
从这篮子，和他们是制作那些，
作为出色地射程大于或等于 3 英尺
从这篮子，
意义那他们是看着更多的的A布局选项。
现在是去到看在那些二节点A小的少量更多的在特别的。
这些分支机构，作为我说，
预测那这步行者队生产回来胜利。
在这全面的模型我们有A验证错误分类速度的45.97%。
作为我说，
这模型预测那制成镜头的26 英尺及以上
制成上篮3英尺或者更远从这篮子线索到卷土重来。
我们会说是，
他们应该真的重点在这三点方面
和更多的更高百分比枪击案这样的作为上篮，
因为作为你能看在两个都的那些，这预言曾是一，
哪个在这案件方法那这步行者队是有能力的到生产A回来。
你能看那和这26脚和进一步的节点，
这可能性那它等于1个曾是62.75%,
然后什么时候我们在距离篮筐 3 英尺或更远的地方投篮。
你有A可能性那你会胜率为 75.9%，
或者来后退在75.9%。
然后作为我说，
那里是二变量那看起来最重要
的这10那我们看着在
在预测为什么这步行者能够卷土重来
那曾是第一的射击距离。
哪个看着在如何远的球员射击这球，
和然后还射击结果。
那是无论他们制成或者错过这射击。
和这距离，作为我说，
26英尺或者更远，哪个是关于这三-观点范围，
或者一些的那些更高百分比镜头在这玩为了A躺下。
然后还如果你是制作更多的镜头，
你是生产A更高分数给予你A更好的机会的未来后退。
全部正确的，所以现在移动进入
我们的线性的回归部分的我们的预测分析。
这回归，作为我说，曾是完全的在JMP亲，
和这曾是完毕到预测这回来分数的个人球员
基于在这下列的变量那你看那里在屏幕。
A夫妻的这钥匙那些到观点out 将是他们个人球员的薪水，
他们的团队姓名，和然后他们的职业统计，
作为你看和全部那些不同的变量那里。
它是还重要的到笔记
那这变量是已选择为了这种回归
基于在他们的等级的意义。
如果这多变的曾是不是成立到意义重大，
它曾是不是包括在这回归。
去进入这概括的适合这个线性回归，
我做想到观点因为它确实有一个低 R 方，
但这是不是A基本的忧虑为了我们的分析。
我们知道那这回来分数
会是基于在这回来参与统计，
但我们现在通缉到知道
什么这得分将是基于在完全地不同的变量。
所以反而的使用这变量
那我们用过的到创造这统计最初，
是现在使用新的变量到尝试到预测什么它应该是基于在，
喜欢我说，他们的薪水和职业统计数据。
那方法那这预测会各不相同从这原来的分数
和那曾是不是仅有的预期的在我们的分析，
但它曾是还想要的那我们得出了不同的分数
到真的看如何他们是应该到履行。
现在，基于在这分析，
我们是有能力的到来向上和一些的这最多重要的变量。
这第一的的哪个那我们锯曾是最多重要的曾是薪水。
某物那我们是看见
是那更高有薪酬的球员是预计会有更多表现，
哪个是某物那你肯定会看到更多
在这实际的NBA。
看见那球员喜欢维克多·奥拉迪波或勒布朗詹姆斯
和更高工资有薪酬的到他们会是表演更好的
比那些和降低工资。
然后移动在从那里，我们还有这团队。
这一确实使感觉
作为你看那一些的这顶部团队
那它正在寻找复出的胜利
和预测这回来分数
是这金的状态勇士队和印第安纳步行者，
哪个是A夫妻的这团队那我们锯
有这最高数字的翻盘胜利
超过这季节那我们是看着在。
然后我们还有A夫妻的职业统计那真的弹出向上
和显示到我A夫妻的这最多重要的变量
为了这回归。
这第一的的哪个存在这职业全部的篮板球经过这球员，
和然后那曾是已关注经过这职业点。
看见那玩家有更高职业生涯总篮板和更高的得分，
我们预期的那些球员到生产更多的
价值每当它来了到创造回来胜利。
患病的还笔记那这些重要变量
是计算的通过这日志值得。
现在是去到看在这结论的这推介会。
好的，所以去进入一些的这印第安纳州步行者队预测，
具体来说想到观点一些步行者队的顶级球员
和在下面表演者。
这蓝色的点那你看那里是真正的步行者队的最佳表现者
那我们锯在这早些时候图表
的这实际预测的复出分数与薪水，
然而现在我们是查看预测分数
或者他们的实际的回来分数，对不起，相对这薪水，
现在我们是看着在这预测分数。
这这橙子Xs标记这步行者队表现不佳。
这表现不佳者在这图形和这橙子Xs,
我们是看见他们预料到的到相对高很多
比他们的队友，然而和他们的实际的分数,
他们是发现他们自己更多的包装的中低端
相对的到他们的队友，
哪个真的节目我们那他们是不是表演
向上到什么他们的工资和职业统计
比如说他们应该是表演
特别什么时候它来了到创造A回来胜利。
但它是重要的到观点出去
那这团队有完毕A伟大的签下廉价球员的工作
那生产回来赢了。
我们看那些球员这样的作为迈尔斯·特纳或卡尔森，或杨
那有A小的少量降低工资，
但他们还生产A很多的戏剧
那能帮助和创造A回来赢。
然后我们还通缉到观点出去
克利夫兰骑士队的一些预测
和他们的故障那去和他们。
这骑士队应该有多种的高的-等级回来玩家。
一具体来说到观点出去会是凯文爱。
凯文爱是那里在这图的顶部
和他有两个都一个橙子X和A蓝色的标记下一个到他的姓名。
那只是分数那他曾是一的这实际的顶部表演者
对于骑士来说，
但在这相同的时间，他是在下面表演大大。
所以在我们的预测，
我们能看那他是预料到的到实际上履行更好的比起勒布朗詹姆斯，
哪个是某物那是非常有趣的到观点出去。
喜欢我说，和我们的预测根据薪水和他们的职业统计数据，
我们会预计凯文爱到超越勒布朗詹姆斯
什么时候它来了到生产回来赢了。
但在现实，他是实际上相当远远低于列表
和他仍然遗迹一的这顶部表演者，
但他做不是生产几乎作为很多作为勒布朗詹姆士做。
现在我们还通缉到看在这最好的有价值的球员在NBA。
我们展示这顶部五这里。
看着在他们的预料到的回来分数,
你有人们这样的卡尔-安东尼-唐斯、乔尔-恩比德、
和本西蒙斯
谁被预测到是一些的这更高表演球员
在这全部的联盟。
但作为你能还看，什么时候这数据曾是采取，
他们有相对地低的工资比较的到其他玩家。
什么我们推荐这里
是确实给予这些球员这他们应得的合同，
作为他们帮助团队生产卷土重来和明显地
提供统计数据那允许团队到履行他们的最好的。
他们是绝对做得更多为了什么他们是实际上值得。
然后我们还通缉到查看最佳预测线
为了这步行者队。
作为我提及早些时候，
那三观点在高的百分比强调。
所以建造向上阵容的射击威胁从距离。
你有人们这样的作为罗宾逊、约瑟夫和乔治
他们的平均的射击距离是关于15 英尺及以上
什么时候这三-观点线是关于25英尺，
所以那节目那他们投了很多三分，
但他们是还制作它。
不是仅有的是他们射击从那远的，
但他们是还更多的可能到制作他们的镜头，
所以那些人们会是很高兴拥有在这线向上
每当你是试到生产A回来
作为他们是更多的高效的。
还因为他们能射击从深的，
你预计那他们还有A坚硬的玩向下低的
到是有能力的到得到A快速躺下
和得到那些更高百分比镜头进去作为出色地。
作为我提及，
一个平均的距离的制成三分线附近的投篮是
非常对步行者尤其重要
到是有能力的到生产A高的数字的卷土重来。
这分析确认什么是已经去在在这NBA。
通常，团队WHO寻找他们自己向下经过A肯定数字在中场休息
将要扔向上A小的少量更多的三-观点镜头，
但还他们不真的专注于高百分比的外观
只是从向下低的进入这篮子。
我们还思考那他们应该专注于剧本创作，
允许他们到只是得到A快的建立并在此基础上建立势头
作为他们尝试到生产A回来之后在。
全部正确的，所以那包起来我们的推介会。
我们只是想到说A快的感谢你，
和这是在哪里我们会打开它向上到问题。
