Dans mon post précédent, j’ai montré comment nous exploré les époques du baseball à l'aide d'un simple diagramme de dispersion cela nous a aidé à générer des questions et une direction analytique. La phase suivante consistait à déterminer comment utiliser l'analyse pour améliorer la «connaissance du sujet» appliquée aux données. Puis-je confirmer ce qui avait été supposé concernant les époques du jeu? Et pourrions-nous utiliser l’analyse pour faire apparaître plus de périodes de temps dans le jeu que nous devrions étudier, ou du moins tenter d’expliquer?
J'ai choisi de travailler avec le Modèle ajusté plate-forme dans JMP , et en particulier Régression généralisée .
Régression généralisée est une méthode que nous pourrions utiliser pour construire un modèle prédictif, mais dans ce cas, je ne cherchais pas à construire un modèle prédictif. Je souhaitais tirer parti des fonctionnalités de sélection de variables disponibles dans l'option Lasso de cette méthode. Je voulais voir quelles variables étaient «significatives et importantes» et dans quel ordre. Je pensais que ce qui serait choisi, ce seraient finalement les années qui m'intéresseraient, c'est-à-dire que je confirmerais mon évaluation des époques du jeu et que je trouverais probablement des informations intéressantes que ma méthode «eyeball» aurait négligées.
Longtemps SAS Tony Cooper, associé et ami, est l’un des interlocuteurs du baseball avec moi. En plus d’être un fan de sport, Tony est un expert en programmation JSL (JMP Scripting Language). En quelques minutes, il a créé un script pour m'aider à développer un ensemble de variables factices qui permettaient une meilleure différenciation de la production en série au fil des ans. C'était une clé pour les résultats!
Dans la Régression généralisée, je recherchais une méthode qui me permettrait de mieux faire surface, et j’avais déjà vu cet outil en action dans d’autres domaines. Mes attentes étaient élevées et cette méthode n'a pas déçu. En fait, les résultats ont été intéressants, indiquant que cette méthode pourrait révéler un «changement» non seulement dans les données du baseball, mais aussi dans d'autres domaines!
L'utilisation de la plate-forme JMP pour la régression généralisée m'a permis de parcourir les années du jeu et de confirmer les soupçons concernant les époques du jeu. Et il a également trouvé ce qui pourrait ne pas être nécessairement une "époque" mais une démonstration des effets de l'expansion sur des années spécifiques, ou (par exemple) l'acte de soulever le monticule en 1968 puis de le réduire en 1969.
Le graphique et le tableau ci-dessous racontent une histoire: Solution Le chemin indique l’ordre dans lequel les variables entrent dans le modèle. Et, dans le tableau ci-dessous, les estimations nous indiquent si les RPG (courses par jeu) ont augmenté ou diminué au cours de l'année correspondante.
Tout comme le diagramme de dispersion, cette visualisation posait des questions chaque année. Par exemple:
Que se passait-il en 1993? Réponse: Cela aurait pu être le début de «l'ère des stéroïdes» ou une expansion (deux nouvelles équipes ont rejoint la ligue) et une indication de la dilution du talent des lanceurs au fur et à mesure que les manches progressaient, ou les deux!Que se passait-il en 1942? Réponse: Les courses ont diminué lorsque les joueurs principaux de la ligue ont quitté la ligue pour rejoindre l'armée. La période de 1942 à 1946 est généralement appelée «années de guerre».Que se passait-il en 1920 et 1921? Réponse: Le baseball quittait «l'ère de la balle morte» pour «l'ère de la balle en direct». Les deux joueurs (comme Babe Ruth) et les événements ont affecté le match.Qu'en est-il de 1963? Réponse: Les historiens du baseball considèrent traditionnellement cette année le début de la période d'expansion et certains appellent la période de 1963 pour présenter «l'ère de l'expansion».Et enfin, pourquoi ont été épuisés en 2010? Réponse: Le baseball avait sévèrement réprimé les utilisateurs de stéroïdes, ce qui avait peut-être entraîné une diminution du nombre total de cycles.Conclusion
Ainsi, tout en nous amusant à jouer avec les données d'un jeu favori, nous avons également été en mesure de démontrer l'efficacité de la génération de questions et de la direction analytique. en utilisant le diagramme de dispersion simple . Nous avons ensuite montré comment nous pouvions faire apparaître des informations à des niveaux encore plus élevés en utilisant la régression généralisée. Les applications potentielles en dehors du sport sont infinies. Comment pourriez-vous utiliser la régression généralisée?
Envie d'en voir plus?
Vous pouvez en savoir plus sur le script JSL créé par Tony Cooper pour faciliter l'analyse (et le télécharger vous-même) en visitant le Echange de fichiers JMP .Suivez l'analyse à l'aide de la méthode de régression généralisée en visionnant cette vidéo pas à pas:https://youtu.be/GzVj3HNtV1c
