안녕하세요, 모든 사람. 나의 이름 ~이다 케빈 오도넬.
나는 a 제이엠피 글로벌 고객 참조 인턴,
그리고 오늘 아픈 BE 발표하다 ~에 a 개인의 해석학 프로젝트
저것 나는 완료 저것 ~이다 그만큼 NBA 플레이어 매치업 모델.
그래서 단지 에게 얻다 시작했다,
I ~일 것이다 좋다 에게 가다 ~ 위에 나의 아이디어 그리고 그만큼 동기 ~을 위한 건물 그만큼 모델.
나는 언제나 계속 ~ 이다 믿을 수 없을 정도로 관심 있는 ~에 농구.
나는 계속 ~ 이다 a 거대한 농구 팬 ~을 위한 나의 전체 삶,
그리고 I ~였다 찾고 ~을 위한 a 새로운 해석학 프로젝트 에게 잠수 안으로,
그래서 I 끝났다 위로 질문 이것 질문 여기:
할 수 있었다 우리 모델 a 플레이어의 공격 성공
기반을 둔 ~에 그들의 평균 그리고 그만큼 힘 ~의 그들의 상대들 ~처럼 잘?
그래서 ~처럼 최대 ~의 우리를 알다 ~에서 보고 있다 어느 스포츠,
플레이어 성능 다양하다 매우 ~에서 게임 에게 게임.
그것은 기반을 둔 ~에 a 다양성 ~의 요인들
그리고 하나 ~의 이것들 존재 a 플레이어의 평균 전철기.
저것 ~ 할 것이다 BE a 매우 강한 예언자 ~을 위한 전철기 ~에 한 NBA 게임,
하지만 그것은 멀리 ~에서 그만큼 오직 영향 ~에 a 플레이어의 공격 성능.
그래서 가고 있다 ~ 안으로 이것 프로젝트,
I 원했다 에게 짓다 a 모델 저것 예측했다 그만큼 플레이어 전철기 ~에 그만큼 게임
기반을 둔 ~에 그만큼 전철기 당 게임,
하지만 또한 a 많은 ~의 다른 변수 어느 우리 ~ 할 것이다 바라보다 ~ 안으로 ~에 그만큼 다음 슬라이드.
그래서 이상적으로는, 이것 ~ 할 것이다 BE 도움이 되는 ~을 위한 코치들 그리고 팀 분석가들 에게,
~을 위한 예, 결정하다 어느 ~의 그들의 공격 플레이어 ~이다 ~할 것 같은
에게 ~ 위에 공연하다 또는 할 수 있는 에게 공연하다 정말 잘
기반을 둔 ~에 그들의 성냥 업스 그리고 바이스 그 반대의 경우, 어느 ~의 그들의 플레이어 그들 ~할 것 같다 원하다
에게 피하다 ~에 위반 왜냐하면 그들은 존재 보호받는
~에 의해 일부 ~의 그만큼 최상의 방어적인 플레이어 ~에 그만큼 다른 팀.
이것은 할 수 있습니다 알리다 놀다 부름 그리고 게임 계획,
그래서 만약에 a 특정한 방어자 ~이다 더 약하다, 코치들 5월 바라보다 에게 목표 저것 성냥 위로
또는 바라보다 에게 힘 a 스위치 에 그들의 최상의 득점자.
~ 안에 그만큼 오락 왕국,
공상 농구 플레이어 ~할 수 있었다 사용 이것 데이터 에게 수치 밖으로
WHO 에게 시작 또는 WHO 에게 선택하다 위로 끄다 그만큼 기권 철사,
그래서 그것 가지다 a 넓은 범위 ~의 응용 프로그램.
그래서 여기 있어요 a 작은 조금 ~의 그만큼 개요 ~의 그만큼 데이터.
아픈 가다 ~을 통해 이것 빠르게, 그리고 우리는 보다 이것 ~처럼 I 가다
~ 안으로 그만큼 제이엠피 데모 a 작은 조금 더 ~에 세부 사항,
하지만 이었다 가고 있다 에게 예측하다 전철기 당 게임 기반을 둔 ~에 일곱 기본 카테고리 ~의 데이터.
그래서 이었다 가고 있다 에게 사용 플레이어 공격 평균 ~을 위한 그만큼 계절,
이것 포함하다 것들 좋다 전철기 당 게임,
3.2 가리키다 백분율, 그리고 고급의 메트릭 그런 ~처럼 용법 비율,
어느 기록 어떻게 자주 한 공격 플레이어 ~이다 사용된 ~에 그들의 팀.
플레이어 속성 그런 ~처럼 키, 비행 기간, 수직의 뛰다
~ 할 것이다 또한 BE 포함됨 ~을 위한 둘 다 그만큼 공격 그리고 방어적인 플레이어
왜냐하면 이것들 물리적 속성, I ~일 것이다 추정하다, 또한 기여하다
에게 어떻게 많은 전철기 a 플레이어 ~ 할 것이다 점수.
마지막으로, ~에 자귀 ~의 그만큼 공격 선수들,
잘 사용 직업 평균.
그만큼 같은 평균 저것 이었다 사용 중 ~을 위한 그만큼 계절,
잘 또한 사용 ~을 위한 그만큼 직업 에게 추가하다 a 작은 더 견고성 에게 그만큼 모델,
그리고 전반적인 팀 속도 그리고 공격 리바운딩 백분율
~이다 또한 가고 있다 에게 BE a 예언자 왜냐하면 저것 ~ 할 것이다 결정하다
어떻게 많은 재산 거기 ~ 할 것이다 BE.
만약에 거기 ~이다 더 재산 ~에 그만큼 게임, 그것은 더 ~할 것 같은 저것 어느 주어진 플레이어
~ 할 것이다 가지다 더 전철기.
등 저것 같은 토큰, 방어적인 팀 속도
그리고 방어적인 리바운딩 백분율 ~ 할 것이다 또한 BE 사용된.
~ 안에 자귀 ~의 개인 방어적인 통계, 것들 좋다 훔치다, 블록, 파울,
그리고 다른 고급의 메트릭 그런 ~처럼 방어적인 주식을 획득하다, 어느 조치
한 개인 플레이어의 기부금 에게 그만큼 팀의 승리 ~에 방어.
저것들 ~이다 또한 가고 있다 에게 BE 예측 변수 에게
아마 부정하다 그만큼 양 ~의 전철기 저것 ~이다 득점했다 ~에 의해 한 공격 플레이어.
그리고 그 다음에 마지막으로, 그만큼 방어자 속성 ~ 할 것이다 BE 사용된 ~처럼 I 말하는 더 일찍.
그래서 ~ 전에 우리 얻다 오른쪽 ~ 안으로 그만큼 데이터 그리고 그만큼 모델링 그리고 제이엠피,
I ~일 것이다 좋다 에게 가다 ~ 위에 그만큼 매치업 데이터 저것 I ~였다 사용 중
~을 위한 그만큼 대부분 ~의 그만큼 모델.
그래서 그만큼 NBA 최근에 구현됨 일부 새로운 개인의 성냥 위로 데이터 수집
그리고 그것은 기반을 둔 ~에 상세한 플레이어 추적.
그래서 그것 트랙 그만큼 가장 가까운 방어자 ~에 모든 가리키다,
~ 아니다 단지 그만큼 주요한 방어자 ~에 a 놀다.
그것 오직 트랙 앞쪽 법원 시간 그리고 그것 ~ 할 것이다 길 부분적인 재산.
그래서 무엇 이것 수단 ~이다 저것 a 플레이어 ~할 수 있었다 BE 보호받는 ~에 의해
~처럼 많은 ~처럼 다섯 다른 플레이어 ~에 a 하나의 놀다,
그리고 각 방어자 ~일 것이다 BE 수상하다 그만큼 각각의 양
~의 매치업 분 ~을 위한 저것 소유.
그래서 여기 우리 가지다 한 예 ~의 테리 직물 로지어 ~을 위한 그만큼 호넷
존재 보호받는 ~에 의해 네 개 다른 플레이어 ~에 다른 팀.
~ 안에 그만큼 첫 번째 열, 스테프 카레 ~이다 보호하다 그를
~에 오직 하나 게임 ~을 위한 2.7 분 그리고 허용된 둘 전철기.
그래서 만약에 우리 생각하다 ~의 a 가정적인 어디 그만큼 호넷 ~이다 연주하다
스테프 커리의 골든 상태 전사들 그리고 카레 보호받는 로지어 ~을 위한 10 초,
그리고 그 다음에 클레이 톰슨 전환됨 ~에 에게 로지어 ~을 위한 또 다른 10 초,
둘 다 ~일 것이다 BE 수상하다 저것들 10 초 ~의 매치업 시간.
하지만, 만약에 로지어 득점했다 a 둘 바늘 ~에 그만큼 끝 ~의 이것 소유,
그만큼 전철기 ~일 것이다 BE 두드러진 ~을 위한 클레이 톰슨.
이것 ~이다 정말 시원한 추적 데이터 그리고 I 사랑 어떻게 특정한 그것 이다,
하지만 그것 했다 원인 일부 문제들 언제 나는 시도했다 에게 모델 그만큼 전철기 당 분
~을 위한 각 플레이어 그리고 방어자 콤비네이션, 어느 ~였다 나의 원래의 계획.
그래서 I ~였다 원래 가고 있다 에게 사용 그만큼 공격 플레이어 통계
그리고 방어적인 플레이어 통계 저것 I 말하는 ~에 그만큼 이전의 슬라이드
~에 모든 개인 매치업.
하지만 ~부터 많은 수비수들, 좋다 당신은 할 것이다 보다 여기,
기록됨 매우 작은 금액 ~의 시간,
좋다 스탠리 존슨 오직 보호받는 로지어 ~을 위한 한 평균 ~의 아래에 하나 분 a 게임,
그게 ~ 아니다 충분한 시간
~을 위한 일부 ~의 이것들 전철기 당 분 측정 에게 BE 정상.
그래서 가고 있다 뒤쪽에 에게 저것 클레이 톰슨 가정적인,
만약에 클레이 오직 보호받는 로지어 ~을 위한 10 초 그만큼 전체 게임
그리고 로지어 가지고있다 에게 점수 둘 전철기 ~에 저것 소유,
그 다음에 로지어의 전철기 당 분 ~에 맞서 클레이 ~에 저것 열 ~일 것이다 BE 12.
그래서 확실히, 외삽하다 저것 에게 a 가득한 게임,
심지어 ...을 제외한 그만큼 뒤쪽에 법원 시간 ~처럼 이것 데이터 하다, 그것은 매우 비현실적이다.
그래서 I 가졌다 에게 가다 ~와 함께 a 약간 다른, 더 적은 이상적인 접근하다.
대신에 ~의 사용 중 그만큼 개인 방어적인 통계,
I 실제로 평균화 그들을 밖으로
~을 위한 각 콤비네이션 ~의 플레이어 그리고 방어적인 팀.
그래서 대신에 ~의 사용 중 로지어 ~ 대 카레 그리고 로지어 ~ 대 톰슨,
I ~일 것이다 사용 로지어 ~ 대 그만큼 전체 골든 상태 전사들 평균 기반을 둔 ~에
그만큼 양 ~의 매치업 분 저것 각 플레이어 방어했다 로지어.
그래서 ~을 위한 예,
만약에 스테프 카레 그리고 클레이 톰슨 둘 다 보호받는 그를 ~을 위한 반 그만큼 양
~의 가능한 성냥 위로 분, 그 다음에 그만큼 팀 평균,
하자 말하다 훔치다 당 게임, ~일 것이다 단지 BE 그만큼 산수 평균
~의 카레 훔치다 그리고 클레이 훔치다 당 게임.
그만큼 같은 ~일 것이다 가다 ~을 위한 모든 방어적인 변하기 쉬운
그리고 그게 확실히 a 단순한 예,
하지만 그만큼 같은 간다 ~을 위한 모든 플레이어 ~ 대 모든 팀.
그래서 확실히 이것 ~이다 ~ 아니다 이상적인 왜냐하면 그것 최소화합니다
그만큼 개성 ~의 그만큼 매치업.
하지만 I 가졌다 에게 버리다 저것 전철기 당 분 접근하다
왜냐하면 그만큼 샘플 ~이었다 ~도 작은 그리고 그만큼 응답 ~였다 무겁게 비뚤어진.
그래서 이것 모델 저것 나는 생성됨 ~와 함께 그만큼 집계된 데이터 ~이다 더 정확한
~보다 나의 초기의 시도, 심지어 그렇지만 그것 희생 일부 개성.
그래서 ~에 이것 가리키다, 나는 가고 있다 에게 스위치 ~ 안으로 제이엠피 여기
그리고 하다 a 작은 조금 ~의 그만큼 데모 어떻게에 I 세워짐 그만큼 모델
그리고 일부 탐험적 데이터 분석 에게 시작하다.
그래서 에게 시작하다, 이었다 단지 가고 있다 에게 바라보다 ~에 일부 가장자리 가의 관계
~와 함께 전철기 ~에 그만큼 그래프 건축업자,
그리고 나는 할 수 있는 에게 선택하다 어느 I 원하다.
하지만 ~을 위한 지금 이었다 가고 있다 에게 바라보다 구체적으로 ~에 삼 변수,
그만큼 첫 번째 존재 전철기 당 게임.
그래서 우리 보다 여기, 우리 가지다 a 보통의 관계
~와 함께 전철기 그리고 전철기 당 게임, 그리고 그것 ~이다 긍정적인 ~처럼 우리 ~일 것이다 예상하다.
그만큼 평균 전철기 저것 누구 넣는다 위로 ~에 a 게임,
또는 ~ 위에 그만큼 강의 ~의 그만큼 계절 꽤, ~이다 가고 있다 에게 확실히 영향
어떻게 많은 전철기 그들 점수 ~에 a 게임.
비슷하게, 무엇 좋다 용법 비율,
그만큼 고급의 통계 저것 I ~였다 토론하다 더 일찍,
또한 가지다 a 긍정적인 관계,
단지 약간 더 약하다 ~보다 그만큼 관계 ~ 사이 전철기 그리고 전철기 당 게임.
마지막으로, 만약에 우리 바라보다 ~에 일부 ~의 그만큼 직업 통계,
만약에 우리 바라보다 ~에 직업 전철기 당 게임, 그 다음에 다시 우리 보다 a 긍정적인 관계,
하지만 저것 ~이다 a 작은 조금 더 약하다 왜냐하면 그것은 평균화 ~ 위에 그만큼 강의
~의 a 플레이어의 직업 꽤 ~보다 그만큼 계절 저것 이었다 현재 안에.
하지만 바라건대 이것 ~할 수 있었다 돕다 조정하다 ~을 위한 일부 주요한 차이점
~에 그만큼 전철기 당 게임 총계 또는 평균 꽤.
그래서 지금 저것 우리 가지다 종류 ~의 한 아이디어 ~의 그만큼 데이터 그 자체,
우리 ~할 수 있다 이동하다 ~ 안으로 그만큼 단순한 선의 회귀
~와 함께 전철기 ~에 의해 전철기 당 게임 ~처럼 a 기준 ~을 위한 이것 모델.
그래서 ~처럼 I 말하는,
너 ~할 수 있다 예측하다 기반을 둔 ~에 단지 전철기 당 게임
그리고 그것 ~ 할 것이다 주다 너 a 품위 있는 예측.
하지만 이었다 찾고 에게 개선하다 저것 예측 ~에 의해 첨가
일부 ~의 이것들 다른 변수, 공격 그리고 방어적.
그래서 만약에 우리 달리다 이것 스크립트 여기,
이것 ~이다 단지 비교하다 일부 달리다 ~의 a 단순한 선의 회귀
~에 그만큼 훈련 그리고 확인 세트 사용 중 케이폴드 확인 내내.
그리고 만약에 I 달리다 여기 사용 중 그만큼 숨겨진 검증 2 열
저것 아픈 BE 사용 중 ~을 위한 그만큼 나머지 ~의 이것들 모델,
그 다음에 우리 ~할 수 있다 보다 그만큼 회귀 여기.
그래서 여기 있어요 a 회귀 구성. 그것 외모 예쁜 뿔뿔이 흩어진.
있다 ~ 아니다 a 분명한 선의 관계, 하지만 그만큼 RS 왜 ~이다 보통의,
의미 저것 46.5퍼센트 ~의 그만큼 변화 ~에 전철기 ~이다 계산됨 ~을 위한
~에 의해 이것 평균 전철기 당 게임, 어느 ~이다 예쁜 좋은.
그리고 그만큼 제곱 평균 오차 ~이다 ~에 대한 5. 27.
그만큼 제곱 평균 오차 이다 기준 편차 ~의 그만큼 잔여,
그래서 그것은 본질적으로 그만큼 변화 ~에 어떻게 잘 우리의 모델 ~이다 예측.
그것은 기준 편차 ~이다 약 다섯.
그리고 우리 ~할 수 있다 또한 바라보다 ~에 일부 다른 조치,
그런 ~처럼 그만큼 에이씨, 어느 ~이다 사용된 에게 비교하다 모델 ~을 위한 예측 가능성.
그래서 에이아이씨 ~이다 또 다른 중요한 측정하다,
그리고 그것 조치 어떻게 잘 그만큼 모델 ~ 할 것이다 예측하다
상대적인 에게 그만큼 숫자 ~의 예측 변수 놓다 ~에 그만큼 모델,
단지 에게 만들다 확신하는 당신은 ~ 아니다 첨가 방법 ~도 많은.
그래서 ~에 이것 사례, 그만큼 에이아이씨 ~이다 매우 높은, 그리고 우리 ~할 수 있다 오다 뒤쪽에 에게 이것 숫자
~처럼 우리 바라보다 ~에 그만큼 비교 ~ 사이 이것 그리고 그만큼 다수의 선의 회귀
저것 I ~ 할 것이다 보여주다 나중에.
그래서 ~하는 동안 I ~였다 견딜 수 없는 에게 선택하다 그만큼 모델 저것 I ~였다 가고 있다 에게 선택하다,
I 결정했다 에게 사용 그만큼 모델 상영 특징 ~에 제이엠피,
어느 허용합니다 너 에게 선택하다 당신의 응답 변수 그리고 모두 그만큼 요인 변수.
I 끝났다 위로 퍼팅 ~에 모두 ~의 그만큼 숫자 변수 저것 I 가졌다 ~을 위한 a 가득한 모델
단지 에게 보다 처음에 어느 모델 공연하다 그만큼 최상의.
그리고 I ~였다 할 수 있는 에게 선택하다 ~에서 a 다양성 ~의 이것들 다른 행동 양식,
포함 엑스지비(XGB) 동쪽 그리고 일반화된 R 외출,
그리고 그 다음에 ~의 강의, 단지 그만큼 정상 임차권 정사각형.
~ 안에 그만큼 관심 ~의 시간, 이것 ~일 것이다 가져가다 영원히 에게 달리다
왜냐하면 그것은 사용 중 일부 ~의 이것들 기계 학습 알고리즘.
그래서 나는 대신에 단지 가고 있다 에게 당기다 위로 빠른 스크린샷 ~의 그만큼 모델 상영.
그래서 여기 우리 가지다 그만큼 산출 ~에서 이것 모델 상영.
그것 쇼 그만큼 RS 왜.
다시, I ~였다 사용 중 케이폴드 확인 ~와 함께 열 주름 여기.
그래서 이것 쇼 그만큼 RS 왜
그리고 그만큼 루트 엠 이안 정사각형 오류 ~을 위한 각 달리다.
그래서 우리 ~할 수 있다 보다 저것 그만큼 최소 정사각형 맞다 실제로 가졌다
a 매우 강한 맞다 비교하다 에게 일부 ~의 그만큼 기계 학습 알고리즘,
어느 I ~였다 놀란 에 의해. 하지만 그것 실제로 도움이 됩니다 ~을 위한 해석 가능성
왜냐하면 일부 ~의 이것들 기계 학습 알고리즘,
그들은 더 ~의 a 검은색 상자. 그리고 만약에 I ~이었다 에게 사용 저것들,
그것 하지 않을 것이다 BE ~처럼 쉬운 에게 해석하다 그만큼 계수 또는 보다
어느 변수 ~이다 진심으로 중요한
또는 어느 ~이다 단지 존재 사용된 ~을 위한 예측.
그래서 왜냐하면 그만큼 의 적합성 최소 제곱법 그리고 그만큼 라소 회귀,
어느 아픈 얻다 ~ 안으로 a 작은 조금 나중에, ~이었다 그래서 높은,
그것은 실제로 a 좋은 징후 저것 나는 할 수 있는 에게 사용 저것 ~을 위한 더 나은 해석 가능성
그래서 ~처럼 우리 ~할 수 있다 보다, 그만큼 최대 정확한 모델 ~이다 이것 다수의 선의 회귀
~와 함께 올가미 정규화.
올가미 정규화 ~이다 a 통계적 기술 저것 정규화하다 그만큼 모델
그리고 선택하다 특징 에게 최소화하다 다중공선성.
다중공선성 ~이다 그만큼 상관관계 ~ 사이 예측 변수
그리고 저것 ~할 수 있다 부정적으로 영향을 미치다 그만큼 모델.
그래서 사용 중 이것 기술,
이었다 할 수 있는 에게 가져가다 그만큼 가득한 선의 회귀 모델 표시됨 여기
그리고 제거하다 일부 ~의 그만큼 변수 에게 최소화하다 그만큼 다중공선성
그리고 아마도 풀다 일부 ~의 그만큼 선의 가정 더 나은.
그래서 ~와 함께 저것 정보,
I ~였다 할 수 있는 에게 가져가다 그만큼 변수 선택된 ~와 함께 올가미 정규화
그리고 그 다음에 만들다 a 다수의 선의 회귀 사용 중 저것들 변수.
그래서 ~처럼 너 ~할 수 있다 보다 여기,
그만큼 실제 ~에 의해 예측됨 구성 외모 예쁜 비슷한.
그것 ~할 것 같다 BE 약간 더 가까이 에게 그만큼 선 ~의 최상의 맞다 여기, 어느 ~이다 a 좋은 징후.
그리고 우리 ~할 수 있다 보다 우리의 효과 요약,
하지만 이었다 가고 있다 에게 스크롤 a 작은 조금 과거 저것
그래서 저것 우리 얻다 에게 그만큼 요약 ~의 우리의 맞다.
그래서 비교하다 에게 그만큼 단순한 선의 회귀,
그만큼 RS 왜 그리고 그만큼 조정됨 RS 왜 ~이다 매우 비슷한 그리고 그게 아마
왜냐하면 전철기 당 게임 ~이다 그런 a 무겁게 힘 있는 요인 ~에 이것,
~처럼 잘 ~처럼 그만큼 단순한 선의 회귀, 확실히.
그래서 그만큼 맞다 ~이다 ~ 아니다 ~도 많이 다른.
하지만, 첨가 이것들 다른 변수 표시됨 여기 하다 개선하다
그만큼 루트 엠 이안 정사각형 오류 a 작은 조금.
그것 갔다 ~에서 ~에 대한 5.3 에게 작은 ~ 위에 5.2, 어느 ~이다 ~ 아니다 a 격렬한 개선,
하지만 한 개선 그래도 여전히.
하지만 그만큼 진짜 차이점 여기 ~이다 ~에 그만큼 에이아이씨 그리고 비교하다 이것들 모델 ~에 자귀
~의 그들의 예측 가능성, 그만큼 에이아이씨 떨어뜨렸다 상당히
~에서 그만큼 단순한 선의 회귀 에게 이것 다수의 선의 회귀
~와 함께 올가미 R 정규화, 어느 ~이다 분명히 a 좋은 징후.
우리 보다 일부 ~의 이것들 매개변수 추정치 아래에 여기 그리고 ~의 강의 그만큼 결과
~을 위한 RS 왜 그리고 뿌리 평균 정사각형 오류 ~에 십자가 확인.
그래서 찾고 ~에 일부 ~의 이것들 매개변수 E 추정치,
그만큼 전철기 당 게임, 다시 매우 중요한,
그것은 중요하다 ~에 그만큼 .05 아 엘파 수준 그리고 많은 아래에 저것.
그리고 이것 ~이다 에게 BE 예상되는, ~처럼 우리는 설명했다 이미.
회전율 백분율 ~이다 또한 중요한
그리고 이것 가지다 a 부정적인 관계 ~와 함께 전철기.
처럼 하나 ~일 것이다 예상하다, 만약에 당신은 선회 그만큼 공 ~ 위에 더,
그게 더 적은 기회 에게 사격 그만큼 공,
더 적은 기회 에게 점수.
그래서 저것 체크 무늬 밖으로 ~와 함께 단지 우리의 지식 ~의 농구.
여기 우리 가지다 그만큼 방어적인 속도, 또는 그만큼 속도 ~의 그만큼 방어적인 팀,
그리고 이것 가지다 a 약간 긍정적인 관계 ~와 함께 전철기 가정 어구
~에 그만큼 다른 요인들 ~에 그만큼 모델.
다시, 그게 에게 BE 예상되는 왜냐하면 그만큼 더 빠르게 a 팀 연극,
그게 일반적으로 더 기회.
하지만, 그것 ~할 것 같다 ~ 아니다 가지다 그런 a 강한 효과 ~처럼 매출 또는 전철기 당 게임.
그리고 그 다음에 마지막으로, 방어적인 리바운딩 백분율.
이것 ~이다 단지 어떻게 자주 그만큼 방어적인 팀 운반 그만큼 방어적인 리바운드.
다시, 이것 ~이다 방지하다 두번째 가능성 전철기 ~을 위한 그만큼 위반,
그래서 그것 ~해야 한다 가지다 a 부정적인 관계 배, 어느 그것 하다.
그래서 모두 이것들 것들 확인하다 밖으로,
그리고 그 다음에 일부 ~의 이것들 다른 변수 ~이다 의미 없는 조건부로,
하지만 포함됨 왜냐하면 그들 개선하다 그만큼 예측 가능성 ~의 그만큼 모델.
그래서 무엇 좋다 용법 비율 ~할 것 같다 ~ 아니다 BE 중요한 ~에 그만큼 .05 수준,
하지만 그것 그래도 여전히 개선하다 우리의 예측.
지금, 앎 저것 전철기 당 게임 ~할 것 같다 ~ 아니다 BE 사용 가능
~에 그만큼 시작 ~의 그만큼 계절, 에게 그만큼 정도 저것 그것 ~이다
가까운 그만큼 끝 ~의 그만큼 계절,
의미 저것 전철기 당 게임 ~할 것 같다 BE a 작은 더 적은 믿을 수 있는
~와 함께 a 더 작은 견본 크기.
ID 바라보다 에게 만들다 한 번갈아 하는 모델 없이 저것
에게 보다 만약에 I ~할 수 있었다 아직 예측하다
더 나은 ~보다 그만큼 단순한 선의 회귀 그리고 비슷한 에게 그만큼 올가미 회귀,
하지만 없이 의존 ~에 a 전철기 당 게임 ~을 위한 그만큼 계절 측정하다.
그래서 이것 번갈아 하는 모델, I 생성됨 사용 중 뒤로 선택 ~에 의해 에이아이씨(AIC)
그리고 다시 I 왼쪽 밖으로 그만큼 계절 전철기 당 게임,
그래서 그것 아직 포함하다 그만큼 다른 전철기 당 게임 측정,
또는 다른 당 게임 측정 꽤,
좋다 필드 골 시도했다 ~에서 삼 그리고 ~에서 둘,
어느 ~을 따라 ~와 함께 일부 ~의 이것들 다른 변수 ~할 수 있다 BE a 대리 ~을 위한
저것 평균 전철기 당 게임.
그래서 그것' s ~ 아니다 완전히 건장한 ~에 맞서 일찍 계절 변동
그리고 작은 견본 사이즈.
하지만 그것은 가능한 저것 이것들 변수 ~할 것 같다 BE a 작은 조금 더 대표
~의 어떻게 a 플레이어 ~이다 가고 있다 에게 공연하다 ~에 그만큼 긴 달리다.
나는 생각 저것 아마도
플레이어 ~할 것 같다 BE a 작은 더 일관된 ~와 함께 그들의 시도했다 통계,
또는 그만큼 비율 ~에 어느 그들은 촬영 그만큼 공,
꽤 ~보다 단지 그만큼 양 ~의 전철기 그들 얻다 저것 ~할 수 있었다 달라지다 기반을 둔 ~에
단지 a 작은 견본 크기.
이것들 ~할 수 있었다 ~처럼 잘 하지만...
단지 사용 중 이것 모델 ~처럼 한 대안,
그리고 그것 회전하다 밖으로 저것 그것 실제로 예측한다
예쁜 비슷하게 에게 그만큼 모델 ~와 함께 전철기 당 게임 ~에 그것.
그래서 그것 ~할 것 같다 ~ 아니다 BE 선호하다 반드시 만약에 전철기 당 게임 ~이다 사용 가능.
부적절하다 하지만 그것 제공합니다 a 비슷한 예측.
그래서 우리 ~할 수 있다 보다 저것 그만큼 RS 왜 ~이다 예쁜 비슷한,
5월 가지다 증가했다 a 작은 조금,
그리고 그만큼 뿌리 평균 정사각형 오류 ~이다 다시 비슷한.
그만큼 에이아이씨 제안하다 저것 그만큼 다른 모델 ~이다 a 더 나은 모델 ~을 위한 예측하다
기반을 둔 ~에 그만큼 양 ~의 변수 포함됨, 그래서 저것 ~이다 분명히 무엇 에게 메모.
하지만 각 모델 가지다 그것은 장점.
이것 하나, 특히,
우리 ~할 수 있다 보다 일부 ~의 그만큼 가정 어구 관계 ~의 그만큼 다른 변수,
특히 저것들 ~에 그만큼 방어적인 옆, 저것 우리 할 수 없었다 보다 ~처럼 많이
~에 그만큼 다른 하나 왜냐하면 전철기 당 게임 ~였다 지배하는 그래서 많이.
그래서 우리 보다 여기 저것 둘 포인터 그리고 삼 포인터 시도했다
~이다 무게 측정 하찮게 ~을 위한 전철기, 어느 다시,
저것 만든다 감각 왜냐하면 그만큼 더 샷 당신은 취득,
그만큼 더 ~할 것 같은 너 ~이다 에게 점수 더 전철기.
그리고 그 다음에 거기 ~이다 일부 다른 변수 저것 만들다 감각,
그리고 일부 다른 사람들 저것 아마도 영역 작은 혼란스럽다 ~에 첫 번째 시력.
그래서 공격 주식을 획득하다,
저것 존재 a 중요한 변하기 쉬운 만든다 감각 그게 자질
어떻게 많이 a 플레이어 ~이다 기여하다 에게 승리 ~에 그만큼 공격 옆,
그것 만든다 감각 저것 저것 가지다 a 긍정적인 관계
~처럼 우리 ~할 수 있다 보다 아래에 여기.
그래서 공격 주식을 따다 오른쪽 여기 가지다 a 긍정적인 관계.
그리고 또한 그만큼 방어적인 리바운딩 백분율 아래에 여기
감소하다 그만큼 견적 다시, 그래서 저것 ~이다 예쁜 일관된
~와 함께 무엇 우리는 보았다 ~에 그만큼 이전의 모델.
평균 파울 당 게임, 평균 개인의 파울 당 게임 아래에 여기,
가지다 a 부정적인 효과 내 생각에는 ~였다 흥미로운.
그래서 a 플레이어 또는 팀 ~와 함께 a 더 높은 반칙 총
~이다 가고 있다 에게 부정적으로 영향을 미치다 그만큼 전철기 득점했다 ~을 위한 그만큼 공격 플레이어.
이것 ~할 것 같다 평균 그들은 더 공격적인.
I ~일 것이다 추정하다 저것 그들 ~이다 연주하다 더 강렬하다 방어 ~에 제한하는 전철기
~을 통해 훔치다, 블록, 또는 무겁게 이의가 제기되었다 샷,
그리고 ~처럼 a 결과, 그들은 구하는 더 파울 ~라고 불리는 ~에 그들을.
하지만, 이것 ~이다 ~ 아니다 모두 좋은 ~을 위한 그만큼 방어
왜냐하면 ~부터 그만큼 플레이어 ~할 수 있다 반칙 밖으로 ~와 함께 육 파울,
거기 ~이다 a 확실한 균형 에게 스트라이크 ~에 그만큼 수비 엔드.
너 ~하지 않다 원하다 에게 BE ~도 공격적인
왜냐하면 그 다음에 너 ~할 수 있었다 BE 주는 것 위로 더 쉽다 전철기
또는 너 ~할 수 있었다 BE 주요한 당신의 플레이어 ~ 안으로 반칙 문제.
그래서 그게 한 흥미로운 변하기 쉬운, I 생각하다, 에게 고려하다.
그리고 ~의 강의, 이것 ~이다 a 가정 어구 중요성,
그래서 그것 ~할 것 같다 변화 약간 기반을 둔 ~에 그만큼 제거
또는 덧셈 ~의 확실한 다른 변수.
그리고 마지막으로, a 커플 ~의 방어적인 관계
~이다 특히 혼란스럽다 ~에 첫 번째 섬광, I 생각하다.
구체적으로 관련된 블록 그리고 방어자 키.
그래서 우리 생각하다 ~의 농구 ~로서 매우 매달린 ~에 키.
만약에 너 ~이다 더 키가 크고, 당신은 더 ~할 것 같은 에게 가다 에게 그만큼 NBA.
일곱 바닥글, I 생각하다 너 가지다 a 20퍼센트 가능성
~의 단지 가고 있다 에게 그만큼 NBA 심지어 만약에 너 ~이다 7피트.
그래서 이것 ~이다 무엇 저것 우리 생각하다, 만약 당신이라면 차단하다 샷 더 그리고 당신은 더 키가 크고,
당신은 가고 있다 에게 BE 영향을 미치는 그만큼 범죄의 전철기 부정적으로.
하지만, 우리 보다 저것 이것들 관계 ~이다 실제로 조건부로 긍정적인,
어느 ~이다 매우 흥미로운 그 평균 블록 당 게임
그리고 그만큼 방어자 키, ~처럼 잘 ~처럼 그만큼 블로킹 비율,
~이다 모두 긍정적인 관계.
그리고 그래서 처음에는, I ~였다 혼란스러운 ~에 의해 이것, 하지만 I 생각하다 이것 가지다 더 에게 ~에 대해 말하다
그만큼 플레이어 저것 이것들 플레이어 ~이다 보호하다 꽤 ~보다
그만큼 실제 변수 그들 자신.
그래서 무엇 I 평균 ~에 의해 이것 ~이다 언제 당신은 고려한다 저것 더 키가 크다 플레이어
~와 함께 더 나은 블로킹 통계 ~이다 큰 남자들 연주하다 힘 앞으로 또는 센터,
그들은 보호하다 다른 큰 남자들.
그리고 그래서 저것 만든다 감각 a 작은 조금 더.
근위 연대 추세 에게 놓다 위로 더 전철기 ~에 그만큼 NBA ~와 함께 그만큼 중요성
~에 삼- 가리키다 촬영 지금.
그리고 a 많은 ~의 범죄 ~이다 달리다 ~을 통해 일부 ~의 이것들 더 작은 플레이어
WHO 추세 에게 BE 보호받는 ~에 의해 다른 더 작은 선수들.
반면 이것들 더 키가 크다 선수들, ~와 함께 더 블록,
~이다 보호하다 큰 남자들 WHO 아마도 아니다 그만큼 초점 가리키다 ~의 그만큼 위반,
곁에 ~에서 확실한 플레이어 좋다 요키치 그리고 엠비드 그리고 야니스.
하지만 이것 원인 a 긍정적인 관계,
하지만 그것은 정말 더 a 기능 ~의 그만큼 위치
저것 이것들 플레이어 ~이다 연주 중.
그래서 I 생각 저것 ~였다 한 흥미로운
가정 어구 관계 에게 가장 밝은 부분 이내에 그만큼 모델,
그리고 그것 포함한다 a 작은 조금 더 더 깊은 생각 ~에 대한 그만큼 관계 ~ 사이
블로킹, 키, 그리고 그만큼 전철기 저것 한 공격 플레이어 넣는다 위로.
그래서 ~에 자귀 ~의 그만큼 모델 전반적인,
우리 ~할 수 있다 보다 저것 이것 하나 그리고 Laso는 정규화되었습니다 모델
~이다 매우 비슷한 ~에 그들의 예측.
잘 보다 저것 ~에 더 세부 사항 곧 언제 I 튀기다 에게 그만큼 2021 예측,
하지만 그만큼 선택 그 다음에 ~할 것 같다 ~ 아니다 BE ~도 중요한.
둘 다 가지다 그들의 장점.
의 강의, 이것 하나 허용합니다 우리를 에게 보다 그만큼 중요성 ~의 더 ~의 그만큼 변수,
구체적으로 그만큼 방어적인 변수,
반면 그만큼 첫 번째 하나 가지다 a 약간 낮추다 에이아이씨
그리고 ~할 것 같다 BE 더 나은 ~을 위한 예측 만약에 그만큼 데이터 ~이다 사용 가능.
그래서 둘 다 떠나다 a 작은 조금 에게 BE 원하는
~에 자귀 ~의 예측하다 많이 더 안정적으로 ~보다 그만큼 단순한 선의 회귀.
I ~일 것이다 가지다 좋아했다 에게 보다 이것 뿌리 수단 왜 오류 감소하다 더,
그리고 그것은 무엇 I ~일 것이다 바라보다 ~ 안으로 ~처럼 I 계속하다 이것 프로젝트,
찾고 에게 모으다 더 나은 데이터, 견딜 수 없는 에게 만들다 그만큼 매치업
더 개별화된 없이 희생하다 그만큼 정상성 ~의 그만큼 응답 변하기 쉬운,
것들 좋다 저것.
하지만 ~와 함께 저것 존재 말했다, 이것들 ~이다 그만큼 모델 저것 I 가지다 지금,
그리고 우리 ~할 수 있다 바라보다 에게 시험 이것들 ~에 그만큼 2021 계절 따라서 멀리.
그래서 만약에 I 스위치 ~ 위에 여기 에게 매치업 ~을 위한 2021년,
우리 가지다 그만큼 같은 데이터 테이블 단지 ~와 함께 이것 연령 매치업.
그리고 그래서 나는 단지 ~에 조롱 하트의 매치업 오른쪽 지금
왜냐하면 I 가다 에게 빌라노바 그리고 그는 a 빌라노바는 훌륭해요,
그래서 여기 우리 가지다 그를 ~처럼 a 플레이어, 그의 팀, 그리고 그만큼 방어적인 팀,
그의 통계, 그들의 통계.
처럼 우리는 이미 본, 이것들 ~이다 모두 그만큼 변수
저것 ~할 수 있었다 BE 포함됨 ~에 그만큼 모델.
사과하다 ~을 위한 그만큼 빠른 패닝,
하지만 여기 우리 가지다 그만큼 예측 ~에 그만큼 끝.
그래서 이것들 예측 변수, 또는 꽤 이것들 기둥,
~이다 그만큼 모델 예측.
그래서 우리의 첫 번째 하나, 우리의 첫 번째 모델, ~이다 그만큼 최적 다중 L 선형 회귀
그게 사용 중 그만큼 올가미 회귀 그리고 포함 그만큼 전철기 당 게임 변하기 쉬운.
처럼 너 ~할 수 있다 보다 ~에 이것 게임,
그 ~이다 예측했다 에게 놓다 위로 12.8 전철기 그리고 그만큼 잔여 여기 ~이다 ~에 대한 다섯.
그래서 ~에 현실 이것 잔여 이다 전철기 마이너스 그만큼 예측.
그래서 그 실제로 놓다 위로, 이것 ~이다 약 13 그리고 이것 ~이다 약 다섯,
그래서 그 놓다 위로 ~에 대한 18 전철기 여기 대신에 ~의 우리의 예측했다 13.
그래서 그게 확실히 ~ 아니다 a 엄청난 측정하다.
그리고 그 다음에 우리 ~할 수 있다 바라보다 일부에서 그만큼 대안 모델.
그만큼 대안 모델 예측 ~이다 매우 비슷한,
그리고 우리 ~ 할 것이다 보다 이것 ~에 보다 큰 세부 사항 ~처럼 I 튀기다 뒤쪽에 에게 그만큼 파워포인트 그리고 보여주다 너
친절한 ~의 a 응축된 버전 ~의 이것 데이터 테이블,
왜냐하면 오른쪽 지금 I 알다 저것 이것 JMP에서 ~이다 a 작은 조금 압도적인
왜냐하면 있다 그래서 많은 변수, 그래서 많은 무작위의 숫자
존재 던지다 ~에 너.
그래서 나는 가고 있다 에게 스위치 뒤쪽에
~ 안으로 그만큼 파워포인트 에게 보여주다 너 일부 ~의 그만큼 예측
~을 위한 둘 다 조롱 수사슴 여기 그리고 ~을 위한 케빈 동안.
모두 오른쪽, 그래서 지금 저것 우리 가지다 우리의 둘 모델
그리고 그만큼 단순한 선의 회귀 에게 비교하다 그것 에게,
우리 ~할 수 있다 적용하다 이것들 예측 에게 계략 저것 케빈 동안 가지다 연주했다 이것 계절.
그래서 여기 ~이다 네 개 계략 에서 연주했다 애틀랜타, 샬럿, 시카고, 그리고 클리블랜드.
~ 안에 그만큼 첫 번째 하나, 그 득점했다 31 전철기.
~ 안에 현실, 둘 다 우리의 모델 예측했다 닫다 에게 26 전철기,
그래서 그만큼 잔여 ~이다 단지 약 다섯.
하지만, 우리 보다 저것 케빈이 동안 ~이다 닫다 에게 그의 평균 전철기
약 28 또는 29 전철기 당 게임,
언제 그 실제로 점수 저것, 그만큼 예측 ~이다 매우 닫다
왜냐하면 전철기 당 게임 무게를 측정하다 그래서 무겁게 ~에 이것들 모델.
그래서, ~을 위한 예, ~에 이것 클리블랜드 게임,
우리의 첫 번째 모델 예측했다 26.2 전철기, 그 실제로 득점했다 27.
그러므로, 그만큼 잔여 ~이다 더 적은 ~보다 하나.
그리고 비슷하게 여기, 그만큼 잔류물 더 적은 ~보다 하나
~을 위한 그만큼 대안 모델 ~처럼 잘.
그래서 우리 보다 저것 그만큼 모델 뛰어나다 언제 플레이어 공연하다 닫다 에게 평균,
어느 그들 ~ 할 것이다 하다 최대 ~의 그만큼 시간. 하지만 있다 확실히 변화,
좋다 ~에 이것 게임 ~에 맞서 샬럿, 그 가졌다 a 특히 좋은 게임.
그 득점했다 38 전철기.
그것은 a 엄청난 게임, 하지만 특히 좋은 게임 ~에 의해 케빈 동안 표준.
그리고 그래서 그만큼 모델 예측 ~이다 많이 더 멀리 끄다.
그리고 우리 보다 그만큼 같은 물건 ~와 함께 조롱 수사슴.
그의 전철기 평균의 a 작은 조금 낮추다 왜냐하면 그는 또, 운반하다 a 거룻배 짐.
케빈 동안 ~이다 a 별 플레이어 ~에 그만큼 그물,
그래서 그는 구하는 a 많은 ~의 터치 그리고 취득 a 좋은 부분 ~의 저것들 샷.
그래서 여기 우리 가지다 하트의 생산.
다시, 그의 전철기 평균 더 가깝다 에게 이것들 12 그리고 14 범위.
그래서 그만큼 잔여물 여기 ~이다 매우 작은.
언제 그 넣는다 위로 14,
우리의 모델 예측했다 약 13.5 그리고 그만큼 잔여물 약 0.5입니다 .
그래서 우리 가지다 정말 좋은 예측 ~을 위한 언제 그 점수
한 평균 양 ~의 전철기 또는 닫다 에게 한 평균 양 ~의 전철기.
하지만 언제 그 점수 더 적은 또는 많이 보다 큰
그 다음에 그만큼 예측 추세 에게 시달리다 a 작은 조금.
그래서 ~와 함께 모두 이것 존재 말했다, I 알다 I 달렸다 ~을 통해 이것들 모델.
하자 가져가다 a 단계 뒤쪽에 그리고 바라보다 ~에 그만큼 제한 사항 ~에 세부 사항
그리고 일부 더 나아가 공부하다 저것 I ~할 수 있었다 포옹하다.
그래서 첫 번째 ~의 모두, 이것들 ~이다 사용 중 평균 ~에 의해 그만큼 공격 플레이어 그리고 방어적인 팀
~처럼 반대하다 에게 공격 플레이어 그리고 개인 플레이어.
처럼 나는 말하는, 저것 ~일 것이다 BE 그만큼 이상적인 대본,
하지만 ~처럼 I ~였다 행위 그것, 그것 하지 않았다 일하다 밖으로 좋다 저것.
그래서 저것 ~할 수 있었다 BE 일으키는 일부 문제들 왜냐하면 그것은 복제 일부 결과.
대신에 ~의 존재 종류 ~의 a 하나 에게 하나,
만약에 a 플레이어 ~이다 존재 보호받는 ~에 의해 이것 플레이어,
이것 ~이다 어떻게 많은 전철기 그들 ~ 할 것이다 점수.
만약에 a 플레이어 ~이다 존재 보호받는 ~에 의해 a 콤비네이션 ~의 플레이어 ~에 이것 팀,
이것 ~이다 어떻게 많은 전철기 그들 ~ 할 것이다 점수.
그래서 그것은 더 쉽다 에게 예측하다 하지만 아마도 a 작은 더 적은 정확한.
또한, 그만큼 평균 ~이다 ~을 위한 그만큼 전체 계절,
어느 수단 예측 ~ 을 향하여 그만큼 시작 5월 BE 더 적은 정확한,
~처럼 I 말하는, 어느 ~이다 무엇 저것 I 생각하다 그만큼 직업 가치
노력하다 에게 치료 a 작은 조금.
그것 ~할 수 있었다 BE 가치 첨가 것들 좋다 전철기 당 게임
~에 그만큼 계절 변수 ~와 함께 a 지연 ~의 아마도 다섯 계절.
그래서 취득 그만큼 평균 전철기 당 게임 ~을 위한 그만큼 마지막 계절, 둘 계절 전에,
삼 계절 전에, 그리고 그래서 ~에 에게 노력하다 에게 추가하다 일부 더 변수
그리고 아마도 예측하다 a 시간 또는 a 경향 ~에 플레이어 성능.
또한, 플레이어 성능 ~이다 매달린 ~에 셀 수 없는 다른 요인들
그런 ~처럼 추운 또는 더운 줄무늬,
어떻게 잘 그들은 가지고있다 계속 ~ 이다 실행할 수 있는 ~처럼 ~의 늦은,
부상 ~에 그들의 소유하다 팀, 부상 ~에 그만큼 반대하다 팀
저것 ~할 수 있었다 증가하다 또는 감소하다 그들의 역할,
미성년자 부상 저것 그들 ~이다 취급 ~와 함께 그들 자신
저것 ~할 수 있었다 감소하다 또는 증가하다 그들의 역할.
그리고 그 다음에 것들 좋다 나머지 날,
여행하다 시간, 그리고 a 많은 ~의 다른 무형자산
좋다 NBA 플레이어 ~이다 인간 그리고 우리 모두 알다 일부 날 이었다 ~ 아니다 감정 그만큼 최상의,
다른 날 이었다 감정 엄청난, 더 활력이 넘치는.
저것들 유형 ~의 것들 ~할 수 있었다 선두 에게 더 나은 성능 또는 더 나쁜 성능.
그래서 이것들 무형자산 ~이다
~ 아니다 가고 있다 에게 BE 무엇 저것 I ~할 수 있다 요인 ~ 안으로 그만큼 모델
하지만 그것은 중요한 에게 인정하다 저것 그들 ~할 수 있었다 아직 영향을 미치다
그만큼 전철기 ~에 a 주어진 게임.
~ 안에 자귀 ~의 더 나아가 공부하다,
I ~일 것이다 사랑 에게 친절한 ~의 바로잡다 모두 이것들 제한 사항
그리고 바라보다 에게 예측하다 a 더 전체론적 변하기 쉬운
그런 ~처럼 공격 평가.
그래서 공격 평가 ~이다 가고 있다 에게 예측하다 a 플레이어의 전철기 당 100 재산
기여했다 에게 그만큼 게임 대신에 ~의 단지 하나 측면 ~의 그만큼 게임 ~에 전철기.
I ~일 것이다 사랑 에게 예측하다 무엇 좋다 이것 또는 튀기다 그것 에게 그만큼 방어적인 옆
그리고 예측하다 a 방어적인 평가 기반을 둔 ~에 WHO 그들은 ~할 것 같은
에게 가다 위로 ~에 맞서 ~에 위반.
그래서 무엇 좋다 저것 I 생각하다 ~일 것이다 BE 정말 시원한
그리고 그것 ~일 것이다 연장하다 그만큼 애플리케이션 ~의 이것 더 ~ 을 향하여 코치들
그리고 팀 분석가들 대신에 ~의 아마도 일부 ~의 그만큼 공상 농구 플레이어
WHO ~이다 찾고 ~을 위한 a 엄격한 측정 좋다 전철기 또는 무엇 좋다 저것.
그래서 ~와 함께 모두 이것 존재 말했다,
나는 분명히 가고 있다 에게 계속하다 일하고 있는 ~에 이것 프로젝트.
그것 ~였다 a 많은 ~의 재미있는 그리고 I 사랑 찾고 ~에 이것들 모델
그리고 통역 ~에서 a 농구 점 뭐야 가고 있다 에.
만약에 너 가지다 어느 질문, 제발 느끼다 무료 에게 놓다 저것들 질문
~에 나의 지역 사회 우편 ~에 그만큼 댓글. 아픈 BE 행복하다 에게 답변 그들을.
그리고 만약에 너 가지다 어느 제안 ~처럼 잘 ~을 위한 더 나아가 공부하다,
I ~일 것이다 또한 BE 행복하다 에게 가져가다 저것들 에. 감사하다 너 그래서 많이 당신의 시간.
