你好， 每個人。 我的 姓名 是 凱文 奧唐奈。
我是 a 跳轉 全球的 客戶參考實習生，
和 今天 患病的 是 呈現 在 a 個人的 分析 專案
那 我已經 完畢 那 是 這 NBA 玩家 對決模型。
所以 只是 到 得到 開始，
I 會 喜歡 到 去 超過 我的 主意 和 這 動機 為了 大樓 這 模型。
我已經 總是 到過 難以置信 有興趣的 在 籃球。
我已經 到過 a 巨大的 籃球 扇子 為了 我的 所有的 生活，
和 I 曾是 尋找 為了 a 新的 分析 專案 到 潛水 進入，
所以 I 結束 向上 詢問 這 問題 這裡：
可以 我們 模型 a 玩家的 進攻 成功
基於 在 他們的 平均值 和 這 力量 的 他們的 對手 作為 出色地？
所以 作為 最多 的 我們 知道 從 觀看 任何 運動，
玩家 表現 各不相同 大大 從 遊戲 到 遊戲。
它是 基於 在 a 種類 的 因素
和 一 的 這些 存在 a 玩家的 平均的 點。
那 將要 是 a 非常 強的 預測器 為了 點 在 一個 NBA 遊戲，
但 它是 遠的 從 這 僅有的 影響 在 a 玩家的 進攻 表現。
所以 去 進入 這 專案,
I 通緝 到 建造 a 模型 那 預測 這 玩家 點 在 這 遊戲
基於 在 這 點 每 遊戲，
但 也 a 很多 的 其他 變數 哪個 我們 將要 看 進入 在 這 下一個 滑動。
所以 理想情況下， 這 將要 是 有幫助的 為了 教練 和 團隊 分析師 到，
為了 例子， 決定 哪個 的 他們的 進攻 玩家 是 可能
到 超過 執行 或者 有能力的 到 執行 真的 出色地
基於 在 他們的 匹配 UPS 和 副 反之亦然， 哪個 的 他們的 玩家 他們 可能 想
到 避免 在 罪行 因為 他們是 存在 守衛
經過 一些 的 這 最好的 防禦 玩家 在 這 其他 團隊。
這可能 通知 玩 呼叫 和 遊戲 規劃，
所以 如果 a 特別的 後衛 是 較弱， 教練 可能 看 到 目標 那 匹配 向上
或者 看 到 力量 a 轉變 到 他們的 最好的 得分手。
在 這 娛樂 領域，
幻想 籃球 玩家 可以 使用 這 數據 到 數位 出去
世界衛生組織 到 開始 或者 世界衛生組織 到 挑選 向上 離開 這 放棄 金屬絲，
所以 它 有 a 廣闊 範圍 的 應用程式.
所以 這是 a 小的 位元 的 這 概述 的 這 數據。
患病的 去 透過 這 迅速地， 我們將 看 這 作為 I 去
進入 這 跳轉 示範 a 小的 位元 更多的 在 細節，
但 是 去 到 預測 點 每 遊戲 基於 在 七 主要的 類別 的 數據。
所以 是 去 到 使用 玩家 進攻 平均值 為了 這 季節，
這 包括 事物 喜歡 點 每 遊戲，
3.2 觀點 百分比， 和 先進的 指標 這樣的 作為 用法 速度，
哪個 記錄 如何 常 一個 進攻 玩家 是 用過的 在 他們的 團隊。
玩家 屬性 這樣的 作為 高度， 翼 跨度， 垂直的 飛躍
將要 也 是 包括 為了 兩個都 這 進攻 和 防禦 玩家
因為 這些 身體的 屬性， I 會 認為， 也 貢獻
到 如何 許多 點 a 玩家 將要 分數。
最後， 在 條款 的 這 進攻 玩家，
出色地 使用 職業 平均值。
這 相同的 平均值 那 是 使用 為了 這 季節，
出色地 也 使用 為了 這 職業 到 添加 a 小的 更多的 穩健性 到 這 模型，
和 全面的 團隊 步伐 和 進攻 反彈 百分比
是 也 去 到 是 a 預測器 因為 那 將要 決定
如何 許多 財產 那裡 將要 是。
如果 那裡 是 更多的 財產 在 這 遊戲， 它是 更多的 可能 那 任何 給定 玩家
將要 有 更多的 點。
等等 那 相同的 代幣， 防禦 團隊 步伐
和 防禦 反彈 百分比 將要 也 是 用過的。
在 條款 的 個人 防禦 統計數據， 事物 喜歡 搶斷， 蓋帽、犯規、
和 其他 先進的 指標 這樣的 作為 防禦 贏得股份， 哪個 措施
一個 個人 玩家的 貢獻 到 這 團隊的 勝利 在 防禦。
那些 是 也 去 到 是 預測變數 到
大概 否定 這 數量 的 點 那 是 得分 經過 一個 進攻 播放器。
和 然後 最後， 這 後衛 屬性 將要 是 用過的 作為 I 提及 更早。
所以 前 我們 得到 正確的 進入 這 數據 和 這 造型 和 跳轉，
I 會 喜歡 到 去 超過 這 對決 數據 那 I 曾是 使用
為了 這 大部分 的 這 模型。
所以 這 NBA 最近 實施的 一些 新的 個人的 匹配 向上 數據 收藏
和 它是 基於 在 詳細的 玩家 追踪。
所以 它 軌道 這 最近 後衛 在 每一個 觀點，
不是 只是 這 基本的 後衛 在 a 玩。
它 僅有的 軌道 正面 法庭 時間 和 它 將要 追蹤 部分的 財產。
所以 什麼 這 方法 是 那 a 玩家 可以 是 守衛 經過
作為 許多 作為 五 不同的 玩家 在 a 單身的 玩，
和 每個 後衛 會 是 授予 這 各自 數量
的 對決 分分鐘 為了 那 擁有。
所以 這裡 我們 有 一個 例子 的 崔 羅齊爾 為了 這 黃蜂隊
存在 守衛 經過 四 不同的 玩家 在 不同的 團隊。
在 這 第一的 排， 史蒂芬 咖哩 是 守衛 他
在 僅有的 一 遊戲 為了 2.7 分分鐘 和 允許 二 點。
所以 如果 我們 思考 的 a 假想 在哪裡 這 黃蜂隊 是 玩
史蒂芬 咖哩的 金的 狀態 勇士 和 咖哩 守衛 羅齊爾 為了 10 秒，
和 然後 克萊 湯普森 切換 在 到 羅齊爾 為了 其他 10 秒，
兩個都 會 是 授予 那些 10 秒 的 對決 時間。
然而， 如果 羅齊爾 得分 a 二 指針 在 這 結尾 的 這 擁有，
這 點 會 是 標記 為了 克萊 湯普森。
這 是 真的 涼爽的 追蹤 數據 和 I 愛 如何 具體的 它 是，
但 它 做過 原因 一些 問題 什麼時候 我試過 到 模型 這 點 每 分分鐘
為了 每個 玩家 和 後衛 組合， 哪個 曾是 我的 原來的 計劃。
所以 I 曾是 起初 去 到 使用 這 進攻 玩家 統計數據
和 防禦 玩家 統計數據 那 I 提及 在 這 以前的 滑動
在 每一個 個人 對決。
但 自從 許多 捍衛者， 喜歡 你會 看 這裡，
已記錄 非常 小的 金額 的 時間，
喜歡 史丹利 約翰遜 僅有的 守衛 羅齊爾 為了 一個 平均的 的 在下面 一 分分鐘 a 遊戲，
那是 不是 足夠的 時間
為了 一些 的 這些 點 每 分分鐘 測量 到 是 普通的。
所以 去 後退 到 那 克萊 湯普森 假想，
如果 克萊 僅有的 守衛 羅齊爾 為了 10 秒 這 所有的 遊戲
和 羅齊爾 擁有 到 分數 二 點 在 那 擁有，
然後 羅齊爾的 點 每 分分鐘 反對 克萊 在 那 排 會 是 12.
所以 明顯地， 外推 那 到 a 滿的 遊戲，
甚至 排除 這 後退 法庭 時間 作為 這 數據 做， 它是 非常 不切實際。
所以 I 有 到 去 和 a 輕微地 不同的， 較少的 理想的 方法。
反而 的 使用 這 個人 防禦 統計數據，
I 實際上 平均 他們 出去
為了 每個 組合 的 玩家 和 防禦 團隊。
所以 反而 的 使用 羅齊爾 相對 咖哩 和 羅齊爾 相對 湯普森，
I 會 使用 羅齊爾 相對 這 全部的 金的 狀態 勇士 平均的 基於 在
這 數量 的 對決 分分鐘 那 每個 玩家 辯護 羅齊爾。
所以 為了 例子，
如果 史蒂芬 咖哩 和 克萊 湯普森 兩個都 守衛 他 為了 一半 這 數量
的 可能的 匹配 向上 分鐘， 然後 這 團隊 平均的，
讓我們 說 搶斷 每 遊戲， 會 只是 是 這 算術 意思是
的 咖哩 搶斷 和 克萊 搶斷 每 遊戲。
這 相同的 會 去 為了 每一個 防禦 多變的
和 那是 明顯地 a 簡單的 例子，
但 這 相同的 去 為了 每一個 玩家 相對 每一個 團隊。
所以 明顯地 這 是 不是 理想的 因為 它 最小化
這 個性 的 這 對決。
但 I 有 到 放棄 那 點 每 分分鐘 方法
因為 這 樣品 是 也 小的 和 這 回覆 曾是 沉重 扭曲。
所以 這 模型 那 我已經 創建 和 這 聚合 數據 是 更多的 準確的
比 我的 最初的 嘗試， 甚至 儘管 它 犧牲 一些 個性。
所以 在 這 觀點， 我是 去 到 轉變 進入 跳轉 這裡
和 做 a 小的 位元 的 這 示範 如何 I 建造 這 模型
和 一些 探索性的 數據 分析 到 開始。
所以 到 開始， 是 只是 去 到 看 在 一些 邊緣 關係
和 點 在 這 圖形 建造者，
和 我是 有能力的 到 選擇 任何 I 想。
但 為了 現在 是 去 到 看 具體來說 在 三 變數，
這 第一的 存在 點 每 遊戲。
所以 我們 看 這裡， 我們 有 a 緩和 關係
和 點 和 點 每 遊戲， 和 它 是 積極的 作為 我們 會 預計。
這 平均的 點 那 某人 賣權 向上 在 a 遊戲，
或者 超過 這 課程 的 這 季節 相當， 是 去 到 明顯地 影響
如何 許多 點 他們 分數 在 a 遊戲。
相似地， 某物 喜歡 用法 速度，
這 先進的 統計數據 那 I 曾是 討論 早些時候，
也 有 a 積極的 關係，
只是 輕微地 較弱 比 這 關係 之間 點 和 點 每 遊戲。
最後， 如果 我們 看 在 一些 的 這 職業 統計數據，
如果 我們 看 在 職業 點 每 遊戲， 然後 再次 我們 看 a 積極的 關係，
但 那 是 a 小的 位元 較弱 因為 它是 平均 超過 這 課程
的 a 玩家的 職業 相當 比 這 季節 那 是 現在 在。
但 希望 這 可以 幫助 調整 為了 一些 主要的 差異
在 這 點 每 遊戲 總計 或者 平均值 相當。
所以 現在 那 我們 有 一種 的 一個 主意 的 這 數據 本身，
我們 能 移動 進入 這 簡單的 線性 回歸
和 點 經過 點 每 遊戲 作為 a 基準 為了 這 模型。
所以 作為 I 提及，
你 能 預測 基於 在 只是 點 每 遊戲
和 它 將要 給 你 a 體面的 預言。
但 是 尋找 到 提升 那 預言 經過 添加
一些 的 這些 不同的 變數， 進攻 和 防禦。
所以 如果 我們 跑步 這 腳本 這裡，
這 是 只是 比較 一些 運行 的 a 簡單的 線性 回歸
在 這 訓練 和 驗證 放 使用 K折疊 驗證 自始至終。
和 如果 I 跑步 這裡 使用 這 隱 驗證 2 柱子
那 患病的 是 使用 為了 這 餘 的 這些 模型，
然後 我們 能 看 這 回歸 這裡。
所以 這是 a 回歸 陰謀。 它 看起來 漂亮的 疏散。
有 不是 a 清除 線性 關係， 但 這 遙感 為什麼 是 緩和，
意義 那 46.5% 的 這 變化 在 點 是 佔 為了
經過 這 平均的 點 每 遊戲， 哪個 是 漂亮的 好的。
和 這 均方根誤差 是 關於 5. 27.
這 均方根誤差 是 標準 偏差 的 這 殘差，
所以 它是 本質上 這 變化 在 如何 出色地 我們的 模型 是 預測。
它是 標準 偏差 是 大約 五。
和 我們 能 也 看 在 一些 其他 措施，
這樣的 作為 這 AIC， 哪個 是 用過的 到 比較 模型 為了 可預測性。
所以 AIC 是 其他 重要的 措施，
和 它 措施 如何 出色地 這 模型 將要 預測
相對的 到 這 數位 的 預測變數 放 在 這 模型，
只是 到 製作 當然 你是 不是 添加 方式 也 許多。
所以 在 這 案件， 這 AIC 是 非常 高的， 和 我們 能 來 後退 到 這 數位
作為 我們 看 在 這 比較 之間 這 和 這 多種的 線性 回歸
那 I 將要 展示 之後。
所以 儘管 I 曾是 嘗試 到 挑選 這 模型 那 I 曾是 去 到 選擇，
I 決定 到 使用 這 模型 篩檢 特徵 在 跳轉，
哪個 允許 你 到 選擇 你的 回覆 變數 和 全部 這 因素 變數。
I 結束 向上 放置 在 全部 的 這 數位 變數 那 I 有 為了 a 滿的 模型
只是 到 看 最初 哪個 模型 執行 這 最好的。
和 I 曾是 有能力的 到 選擇 從 a 種類 的 這些 不同的 方法，
包括 XGB 東方 和 廣義 R 外流，
和 然後 的 課程， 只是 這 普通的 租 正方形。
在 這 興趣 的 時間， 這 會 拿 永遠 到 跑步
因為 它是 使用 一些 的 這些 機器 學習 演算法.
所以 我是 反而 只是 去 到 拉 向上 快速 螢幕截圖 的 這 模型 篩選。
所以 這裡 我們 有 這 輸出 從 這 模型 篩選。
它 節目 這 遙感 為什麼。
再次， I 曾是 使用 K折疊 驗證 和 十 褶皺 這裡。
所以 這 節目 這 遙感 為什麼
和 這 根 M 伊恩 方塊 錯誤 為了 每個 跑步。
所以 我們 能 看 那 這 至少 方塊 合身 實際上 有
a 非常 強的 合身 比較的 到 一些 的 這 機器 學習 演算法,
哪個 I 曾是 感到驚訝 經過。 但 它 實際上 幫助 為了 可解釋性
因為 一些 的 這些 機器 學習 演算法,
他們是 更多的 的 a 黑色的 盒子。 和 如果 I 是 到 使用 那些，
它 不會 是 作為 簡單的 到 解釋 這 係數 或者 看
哪個 變數 是 確實 重要的
或者 哪個 是 只是 存在 用過的 為了 預言。
所以 因為 這 適合 最小平方法 和 這 套索回歸，
哪個 患病的 得到 進入 a 小的 位元 之後， 是 所以 高的，
它是 實際上 a 好的 符號 那 我是 有能力的 到 使用 那 為了 更好的 可解釋性。
所以 作為 我們 能 看， 這 最多 準確的 模型 是 這 多種的 線性 回歸
和 套索 正則化。
套索 正規化 是 a 統計 科技 那 正規化 這 模型
和 選擇 特徵 到 最小化 多重共線性。
多重共線性 是 這 相關性 之間 預測變數
和 那 能 消極地 影響 這 模型。
所以 使用 這 技術，
是 有能力的 到 拿 這 滿的 線性 回歸 模型 顯示 這裡
和 消除 一些 的 這 變數 到 最小化 這 多重共線性
和 或許 滿足 一些 的 這 線性 假設 更好的。
所以 和 那 資訊,
I 曾是 有能力的 到 拿 這 變數 已選擇 和 套索 正規化
和 然後 創造 a 多種的 線性 回歸 使用 那些 變數。
所以 作為 你 能 看 這裡，
這 實際的 經過 預測 陰謀 看起來 漂亮的 相似的。
它 可能 是 輕微地 更近 到 這 線 的 最好的 合身 這裡， 哪個 是 a 好的 符號。
和 我們 能 看 我們的 影響 摘要，
但 是 去 到 捲動 a 小的 位元 過去的 那
所以 那 我們 得到 到 這 概括 的 我們的 合身。
所以 比較的 到 這 簡單的 線性 回歸，
這 遙感 為什麼 和 這 調整後 遙感 為什麼 是 非常 相似的 和 那是 大概
因為 點 每 遊戲 是 這樣的 a 沉重 有影響 因素 在 這，
作為 出色地 作為 這 簡單的 線性 回歸， 明顯地。
所以 這 合身 是 不是 也 很多 不同的。
然而， 添加 這些 不同的 變數 顯示 這裡 做 提升
這 根 M 伊恩 方塊 錯誤 a 小的 位元.
它 去了 從 關於 5.3 到 小的 超過 5.2， 哪個 是 不是 a 激烈的 改進，
但 一個 改進 儘管如此。
但 這 真實的 不同之處 這裡 是 在 這 AIC 和 比較 這些 模型 在 條款
的 他們的 可預測性， 這 AIC 掉落 顯著地
從 這 簡單的 線性 回歸 到 這 多種的 線性 回歸
和 套索R 正規化， 哪個 是 確實 a 好的 符號。
我們 看 一些 的 這些 範圍 估計 向下 這裡 和 的 課程 這 結果
為了 遙感 為什麼 和 根 意思是 方塊 錯誤 在 叉 驗證。
所以 尋找 在 一些 的 這些 參數 E 估計，
這 點 每 遊戲， 再次 非常 重要的，
這很重要 在 這 .05 一個 阿爾法 等級 和 許多 以下 那。
和 這 是 到 是 預期的， 作為 我們已經 解釋 已經。
週轉 百分比 是 也 重要的
和 這 有 a 消極的 關係 和 點。
作為 一 會 預計， 如果 你是 轉動 這 球 超過 更多的，
那是 較少的 機會 到 射擊 這 球，
較少的 機會 到 分數。
所以 那 檢查 出去 和 只是 我們的 知識 的 籃球。
這裡 我們 有 這 防禦 步伐， 或者 這 步伐 的 這 防禦 團隊，
和 這 有 a 輕微地 積極的 關係 和 點 有條件的
在 這 其他 因素 在 這 模型。
再次， 那是 到 是 預期的 因為 這 快點 a 團隊 戲劇，
那是 一般來說 更多的 機會。
然而， 它 可能 不是 有 這樣的 a 強的 影響 作為 失誤 或者 點 每 遊戲。
和 然後 最後， 防禦 反彈 百分比。
這 是 只是 如何 常 這 防禦 團隊 運輸 這 防禦 反彈。
再次， 這 是 預防 第二 機會 點 為了 這 罪行，
所以 它 應該 有 a 消極的 關係 船， 哪個 它 做。
所以 全部 這些 事物 查看 出去，
和 然後 一些 的 這些 其他 變數 是 微不足道 有條件地，
但 包括 因為 他們 提升 這 可預測性 的 這 模型。
所以 某物 喜歡 用法 速度 可能 不是 是 重要的 在 這 .05 等級，
但 它 儘管如此 改善 我們的 預測。
現在， 會心 那 點 每 遊戲 可能 不是 是 可用的
在 這 開始 的 這 季節， 到 這 程度 那 它 是
靠近 這 結尾 的 這 季節，
意義 那 點 每 遊戲 可能 是 a 小的 較少的 可靠的
和 a 更小 樣本 尺寸。
ID 看 到 創造 一個 備用 模型 沒有 那
到 看 如果 I 可以 仍然 預測
更好的 比 這 簡單的 線性 回歸 和 相似的 到 這 套索 回歸，
但 沒有 依賴 在 a 點 每 遊戲 為了 這 季節 措施。
所以 這 備用 模型， I 創建 使用 落後 選擇 經過 AIC。
和 再次 I 左邊 出去 這 季節 點 每 遊戲，
所以 它 仍然 包括 這 其他 點 每 遊戲 測量，
或者 其他 每 遊戲 測量 相當，
喜歡 射門得分 嘗試 從 三 和 從 二，
哪個 沿著 和 一些 的 這些 其他 變數 能 是 a 代理人 為了
那 平均的 點 每 遊戲。
所以 它' s 不是 完全地 強壯的 反對 早期的 季節 波動
和 小的 樣本 尺寸。
但 它是 可能的 那 這些 變數 可能 是 a 小的 位元 更多的 代表
的 如何 a 玩家 是 去 到 執行 在 這 長的 跑步。
我是 思維 那 或許
玩家 可能 是 a 小的 更多的 持續的 和 他們的 嘗試 統計數據，
或者 這 速度 在 哪個 他們是 射擊 這 球，
相當 比 只是 這 數量 的 點 他們 得到 那 可以 各不相同 基於 在
只是 a 小的 樣本 尺寸。
這些 可以 作為 出色地 但...
只是 使用 這 模型 作為 一個 選擇，
和 它 轉彎 出去 那 它 實際上 預測
漂亮的 相似地 到 這 模型 和 點 每 遊戲 在 它。
所以 它 可能 不是 是 受青睞 一定 如果 點 每 遊戲 是 可用的。
不當 但 它 提供 a 相似的 預言。
所以 我們 能 看 那 這 遙感 為什麼 是 漂亮的 相似的，
可能 有 增加 a 小的 位元,
和 這 根 意思是 方塊 錯誤 是 再次 相似的。
這 AIC 建議 那 這 其他 模型 是 a 更好的 模型 為了 預測
基於 在 這 數量 的 變數 包括， 所以 那 是 確實 某物 到 筆記。
但 每個 模型 有 它是 優點。
這 一， 特別，
我們 能 看 一些 的 這 有條件的 關係 的 這 其他 變數，
特別 那些 在 這 防禦 邊， 那 我們 不能 看 作為 很多
在 這 其他 一 因為 點 每 遊戲 曾是 主宰 所以 很多。
所以 我們 看 這裡 那 二 指針 和 三 指針 嘗試
是 稱重 微不足道地 為了 點， 哪個 再次，
那 使 感覺 因為 這 更多的 鏡頭 你是 服用，
這 更多的 可能 你 是 到 分數 更多的 點。
和 然後 那裡 是 一些 其他 變數 那 製作 感覺，
和 一些 其他的 那 或許 區域 小的 令人困惑 在 第一的 視野。
所以 進攻 贏得股份，
那 存在 a 重要的 多變的 使 感覺 那是 測量
如何 很多 a 玩家 是 貢獻 到 勝利 在 這 進攻 邊，
它 使 感覺 那 那 有 a 積極的 關係
作為 我們 能 看 向下 這裡。
所以 進攻 贏得股份 正確的 這裡 有 a 積極的 關係。
和 也 這 防禦 反彈 百分比 向下 這裡
減少 這 估計 再次， 所以 那 是 漂亮的 持續的
和 什麼 我們已經 見過 在 這 以前的 模型。
平均的 犯規 每 遊戲， 平均的 個人的 犯規 每 遊戲 向下 這裡，
有 a 消極的 影響 我認為 曾是 有趣的。
所以 a 玩家 或者 團隊 和 a 更高 犯規 全部的
是 去 到 消極地 影響 這 點 得分 為了 這 進攻 播放器。
這 可能 意思是 他們是 更多的 挑釁的。
I 會 認為 那 他們 是 玩 更加激烈 防禦 在 限制 點
透過 搶斷， 積木， 或者 沉重 有爭議 鏡頭，
和 作為 a 結果， 他們是 得到 更多的 犯規 稱為 在 他們。
然而， 這 是 不是 全部 好的 為了 這 防禦
因為 自從 這 玩家 能 犯規 出去 和 六 犯規，
那裡 是 a 肯定 平衡 到 罷工 在 這 防守端。
你 不 想 到 是 也 挑釁的
因為 然後 你 可以 是 給予 向上 更輕鬆 點
或者 你 可以 是 領導 你的 玩家 進入 犯規 麻煩。
所以 那是 一個 有趣的 多變的， I 思考， 到 考慮。
和 的 課程， 這 是 a 有條件的 意義，
所以 它 可能 改變 輕微地 基於 在 這 移動
或者 添加 的 肯定 其他 變數。
和 最後， a 夫妻 的 防禦 關係
是 特別 令人困惑 在 第一的 一眼， I 思考。
具體來說 涉及 區塊 和 後衛 高度。
所以 我們 思考 的 籃球 作為 非常 受扶養人 在 高度。
如果 你 是 更高， 你是 更多的 可能 到 去 到 這 NBA。
七 頁尾, I 思考 你 有 a 20% 機會
的 只是 去 到 這 NBA 甚至 如果 你 是 七英尺。
所以 這 是 某物 那 我們 思考， 如果你 堵塞 鏡頭 更多的 和 你是 更高，
你是 去 到 是 影響 這 進攻的 點 負面地。
然而， 我們 看 那 這些 關係 是 實際上 有條件地 積極的，
哪個 是 非常 有趣的 那個平均值 區塊 每 遊戲
和 這 後衛 高度， 作為 出色地 作為 這 阻塞 速度，
是 全部 積極的 關係。
和 所以 最初， I 曾是 使困惑 經過 這， 但 I 思考 這 有 更多的 到 說一下
這 玩家 那 這些 玩家 是 守衛 相當 比
這 實際的 變數 他們自己。
所以 什麼 I 意思是 經過 這 是 什麼時候 你考慮 那 更高 玩家
和 更好的 阻塞 統計數據 是 大的 男人 玩 力量 向前 或者 中心，
他們是 守衛 其他 大的 男人。
和 所以 那 使 感覺 a 小的 位元 更多的。
衛兵 趨向 到 放 向上 更多的 點 在 這 NBA 和 這 強調
在 三- 觀點 射擊 現在。
和 a 很多 的 違法行為 是 跑步 透過 一些 的 這些 更小 玩家
世界衛生組織 趨向 到 是 守衛 經過 其他 更小 玩家。
然而 這些 更高 玩家， 和 更多的 積木，
是 守衛 大的 男人 世界衛生組織 或許 不是 這 焦點 觀點 的 這 罪行，
一邊 從 肯定 玩家 喜歡 約基奇 和 恩比德 和 揚尼斯。
但 這 原因 a 積極的 關係，
但 它是 真的 更多的 a 功能 的 這 位置
那 這些 玩家 是 正在播放。
所以 I 想法 那 曾是 一個 有趣的
有條件的 關係 到 強調 之內 這 模型，
和 它 涉及 a 小的 位元 更多的 更深 思維 關於 這 關係 之間
阻塞， 高度， 和 這 點 那 一個 進攻 玩家 賣權 向上。
所以 在 條款 的 這 模型 全面的，
我們 能 看 那 這 一 並且 Lasso 正則化 模型
是 非常 相似的 在 他們的 預測。
出色地 看 那 在 更多的 細節 很快 什麼時候 I 翻動 到 這 2021 預測，
但 這 選擇 然後 可能 不是 是 也 重要的。
兩個都 有 他們的 優點。
的 課程， 這 一 允許 我們 到 看 這 意義 的 更多的 的 這 變數，
具體來說 這 防禦 變數，
然而 這 第一的 一 有 a 輕微地 降低 AIC
和 可能 是 更好的 為了 預測 如果 這 數據 是 可用的。
所以 兩個都 離開 a 小的 位元 到 是 期望
在 條款 的 預測 很多 更多的 可靠地 比 這 簡單的 線性 回歸。
I 會 有 喜歡 到 看 這 根 方法 為什麼 錯誤 減少 更多的，
和 它是 某物 I 會 看 進入 作為 I 繼續 這 專案,
尋找 到 收集 更好的 數據， 嘗試 到 製作 這 對決
更多的 個人化 沒有 犧牲 這 常態 的 這 回覆 多變的，
事物 喜歡 那。
但 和 那 存在 說， 這些 是 這 模型 那 I 有 現在，
和 我們 能 看 到 測試 這些 在 這 2021 季節 因此 遠的。
所以 如果 I 轉變 超過 這裡 到 對決 為了 2021年，
我們 有 這 相同的 數據 桌子 只是 和 這 年 對決。
和 所以 我是 只是 在 喬希 哈特的 對決 正確的 現在
因為 I 去 到 維拉諾瓦 和 他是 a 維拉諾瓦很棒，
所以 這裡 我們 有 他 作為 a 玩家， 他的 團隊， 和 這 防禦 團隊，
他的 統計數據， 他們的 統計數據。
作為 我們已經 已經 看到， 這些 是 全部 這 變數
那 可以 是 包括 在 這 模型。
道歉 為了 這 快的 平移，
但 這裡 我們 有 這 預測 在 這 結尾。
所以 這些 預言 變數， 或者 相當 這些 列，
是 這 模型 預測。
所以 我們的 第一的 一， 我們的 第一的 模型， 是 這 最佳的 多發性硬化症 線性 回歸
那是 使用 這 套索 回歸 和 包括 這 點 每 遊戲 多變的。
作為 你 能 看 在 這 遊戲，
他 是 預測 到 放 向上 12.8 點 和 這 殘差 這裡 是 關於 五。
所以 在 現實 這 殘差 是 點 減 這 預言。
所以 他 實際上 放 向上， 這 是 大約 十三 和 這 是 大約 五，
所以 他 放 向上 關於 18 點 這裡 反而 的 我們的 預測 13.
所以 那是 明顯地 不是 a 偉大的 措施。
和 然後 我們 能 看 在一些 這 選擇 模型。
這 選擇 模型 預言 是 非常 相似的，
和 我們 將要 看 這 在 更大 細節 作為 I 翻動 後退 到 這 微軟幻燈片軟體 和 展示 你
種類 的 a 濃縮 版本 的 這 數據 桌子，
因為 正確的 現在 I 知道 那 這 在 JMP 中 是 a 小的 位元 壓倒
因為 有 所以 許多 變數， 所以 許多 隨機的 數位
存在 拋出 在 你。
所以 我是 去 到 轉變 後退
進入 這 微軟幻燈片軟體 到 展示 你 一些 的 這 預測
為了 兩個都 喬希 哈特 這裡 和 為了 凱文 期間。
全部 正確的， 所以 現在 那 我們 有 我們的 二 模型
和 這 簡單的 線性 回歸 到 比較 它 到，
我們 能 申請 這些 預測 到 遊戲 那 凱文 期間 有 播放 這 季節。
所以 這裡 是 四 遊戲 參加 亞特蘭大， 夏洛特， 芝加哥， 和 克利夫蘭。
在 這 第一的 一， 他 得分 31 點。
在 現實， 兩個都 我們的 模型 預測 關閉 到 二十六 點，
所以 這 殘差 是 只是 大約 五。
然而， 我們 看 那 當凱文 期間 是 關閉 到 他的 平均的 點
大約 二十八 或者 二十九 點 每 遊戲，
什麼時候 他 實際上 分數 那， 這 預測 是 非常 關閉
因為 點 每 遊戲 重量 所以 沉重 在 這些 模型。
所以， 為了 例子， 在 這 克里夫蘭 遊戲，
我們的 第一的 模型 預測 26.2 點， 他 實際上 得分 27.
所以， 這 殘差 是 較少的 比 一。
和 相似地 這裡， 這 殘差 較少的 比 一
為了 這 選擇 模型 作為 出色地。
所以 我們 看 那 這 模型 擅長 什麼時候 玩家 執行 關閉 到 平均的，
哪個 他們 將要 做 最多 的 這 時間。 但 有 明顯地 變化，
喜歡 在 這 遊戲 反對 夏洛特， 他 有 a 特別 好的 遊戲。
他 得分 三十八 點。
它是 a 偉大的 遊戲， 但 特別 好的 遊戲 經過 凱文 期間 標準。
和 所以 這 模型 預測 是 很多 更遠 離開。
和 我們 看 這 相同的 事物 和 喬希 哈特。
他的 點 平均值 a 小的 位元 降低 因為 他又一次 攜帶 a 打火機 載入.
凱文 期間 是 a 星星 玩家 在 這 網隊，
所以 他是 得到 a 很多 的 觸碰 和 服用 a 好的 部分 的 那些 鏡頭。
所以 這裡 我們 有 哈特的 生產。
再次， 他的 點 平均的 更接近 到 這些 12 和 14 範圍。
所以 這 殘差 這裡 是 非常 小的。
什麼時候 他 賣權 向上 14，
我們的 模型 預測 大約 13.5 和 這 殘差 大約是 0.5 .
所以 我們 有 真的 好的 預測 為了 什麼時候 他 分數
一個 平均的 數量 的 點 或者 關閉 到 一個 平均的 數量 的 點。
但 什麼時候 他 分數 較少的 或者 很多 更大
然後 這 預測 趨向 到 遭受 a 小的 位元.
所以 和 全部 這 存在 說， I 知道 I 跑了 透過 這些 模型。
讓我們 拿 a 步 後退 和 看 在 這 限制 在 細節
和 一些 更遠 學習 那 I 可以 擁抱。
所以 第一的 的 全部， 這些 是 使用 平均值 經過 這 進攻 玩家 和 防禦 團隊
作為 反對 到 進攻 玩家 和 個人 播放器。
作為 我已經 提及， 那 會 是 這 理想的 設想，
但 作為 I 曾是 正在做 它， 它 沒有 工作 出去 喜歡 那。
所以 那 可以 是 導致 一些 問題 因為 它是 複製 一些 結果。
反而 的 存在 種類 的 a 一 到 一，
如果 a 玩家 是 存在 守衛 經過 這 玩家，
這 是 如何 許多 點 他們 將要 分數。
如果 a 玩家 是 存在 守衛 經過 a 組合 的 玩家 在 這 團隊，
這 是 如何 許多 點 他們 將要 分數。
所以 它是 更輕鬆 到 預測 但 或許 a 小的 較少的 準確的。
此外， 這 平均值 是 為了 這 全部的 季節，
哪個 方法 預測 朝向 這 開始 可能 是 較少的 準確的，
作為 I 提及， 哪個 是 某物 那 I 思考 這 職業 價值觀
嘗試 到 補救 a 小的 位元.
它 可以 是 值得 添加 事物 喜歡 點 每 遊戲
在 這 季節 變數 和 a 落後 的 或許 五 季節。
所以 服用 這 平均的 點 每 遊戲 為了 這 最後的 季節， 二 季節 前，
三 季節 前， 和 所以 在 到 嘗試 到 添加 一些 更多的 變數
和 或許 預測 a 時間 或者 a 趨勢 在 玩家 表現。
此外， 玩家 表現 是 受扶養人 在 無數 其他 因素
這樣的 作為 寒冷的 或者 熱的 條紋，
如何 出色地 他們已經 到過 表演 作為 的 晚的，
受傷 在 他們的 自己的 團隊， 受傷 在 這 反對 團隊
那 可以 增加 或者 減少 他們的 角色，
次要的 受傷 那 他們 是 處理 和 他們自己
那 可以 減少 或者 增加 他們的 角色。
和 然後 事物 喜歡 休息 天，
旅行 時間， 和 a 很多 的 其他 無形資產
喜歡 NBA 玩家 是 人類 和 我們 全部 知道 一些 天 是 不是 感覺 這 最好的，
其他 天 是 感覺 偉大的， 更多的 精力充沛。
那些 類型 的 事物 可以 帶領 到 更好的 表現 或者 更糟 表現。
所以 這些 無形資產 是
不是 去 到 是 某物 那 I 能 因素 進入 這 模型
但 它是 重要的 到 認出 那 他們 可以 仍然 影響
這 點 在 a 給定 遊戲。
在 條款 的 更遠 學習，
I 會 愛 到 種類 的 修正 全部 這些 限制
和 看 到 預測 a 更多的 整體 多變的
這樣的 作為 進攻 等級。
所以 進攻 等級 是 去 到 預測 a 玩家的 點 每 100 財產
貢獻 到 這 遊戲 反而 的 只是 一 方面 的 這 遊戲 在 點。
I 會 愛 到 預測 某物 喜歡 這 或者 翻動 它 到 這 防禦 邊
和 預測 a 防禦 等級 基於 在 世界衛生組織 他們是 可能
到 去 向上 反對 在 罪行。
所以 某物 喜歡 那 I 思考 會 是 真的 涼爽的
和 它 會 延長 這 應用 的 這 更多的 朝向 教練
和 團隊 分析師 反而 的 或許 一些 的 這 幻想 籃球 玩家
世界衛生組織 是 尋找 為了 a 嚴格的 測量 喜歡 點 或者 某物 喜歡 那。
所以 和 全部 這 存在 說，
我是 確實 去 到 繼續 在職的 在 這 專案.
它 曾是 a 很多 的 樂趣 和 I 愛 尋找 在 這些 模型
和 口譯 從 a 籃球 立場 什麼是 去 在。
如果 你 有 任何 問題， 請 感覺 自由的 到 放 那些 問題
在 我的 社群 郵政 在 這 評論。 患病的 是 快樂的 到 回答 他們。
和 如果 你 有 任何 建議 作為 出色地 為了 更遠 學習，
I 會 也 是 快樂的 到 拿 那些 在。 感謝 你 所以 很多 你的 時間。
