Yaralanma Şansı və Qaçırılan Oyunlar Modellərimizi Qiymətləndiririk

Göndərildi: 08.09.2021
Məqalənin müəllifi Adəm Quliyev

1654 -cü ilin yazında, iki aparıcı fransız riyaziyyatçısı, insanların gələcəyi proqnozlaşdırmaq qabiliyyətinə sahib olub -olmadıqlarını müzakirə edərək, irəli -geri yazdı. O vaxt mərkəzi bir zehni əngəl hələ açılmamışdı: Allah. Əsrlər boyu ümumi inanc gələcəyin ilahi aləm olduğuna dair idi və fani insanların bunu proqnozlaşdırmaq ümidi yox idi.

Riyaziyyatçılardan biri bu maneəni aşdı. Onilliklər ərzində onun sıçrayışı, müasir ehtimal nəzəriyyəsinin əsasını qoymuş, ölüm cədvəllərinin yaranmasına, Avropada çiçəklənən həyat sığortası sənayesinin və gələcəyin ölçülməsi ilə bağlı kollektiv düşüncədə əsaslı bir dəyişikliyə səbəb olmuşdur.

350 ildən çox irəli gedin və tədqiqatçılar indi oyunçuların monitorinqi və zədələnməsinin qarşısını alırlar və hələ də zədə proqnozunun qaranlıq çağlarında yaşayırlar. İdman sənayesi mütəxəssisləri üçün aparıcı bir forum olan illik Sloan Sports Analytics Konfransında son bir neçə il təqdimat sıralarına baxın.

Futbol ictimaiyyətinin oyunçu zədələri ilə bağlı hələ də aşa bilmədiyimiz bir maneəsi var. Tanrı qədər cəmiyyətdə kök salmamışdır (ehtimal ki), amma var: şübhə. Əksəriyyət zədələrin təsadüfi olduğuna inanır və bunu proqnozlaşdırmaq mümkün deyil. Buna baxmayaraq, NFL sahiblərindən baş menecerlərə, məşqçilərə, agentlərə, bukmeykerlərə, bahisçilərə və fantaziya oyunçularına qədər hər kəs bu maneəni aradan qaldırmaqda maraqlıdır.

Ölüm cədvəlləri necə və ya hansı gündə öləcəyinizi söyləyə bilərmi? Xeyr.Amma sənə nə qədər yaşayacağın haqqında çox yaxşı fikir verə bilərlər.

Bir oyunçunun növbəti zədəsinin nə olacağını və ya hansı oyunda meydana çıxacağını təxmin edə bilərsinizmi? Bəlkə də oyunçu izləmə ilə məlumat qrupları indi yaradır.

Əlindəki ictimai məlumatlardan istifadə edərək bir oyunçunun qarşıdakı mövsümdə zədələnəcəyini və ya bir oyunçunun neçə oyunu buraxacağını əvvəlcədən güvənərək proqnozlaşdıra bilərikmi? Sən bahis et.

Əgər izdihamdan daha yaxşı proqnozlarınız varsa, proqnozlarınız təsadüfi təxminlərdən daha yaxşıdırsa, o zaman bahisləriniz nəticə verəcəkdir.

Əlbəttə ki, proqnozlar verə bilərsiniz, amma şübhəsiz ki, səhvləriniz olacaq. Önəmli olduğumuz şey, proqnozlarımızın reallığa nə qədər yaxın olmasıdır. Və bir proqnozun digərindən daha yaxşı olub olmadığını müəyyən etmək.

Bir fantaziya futbol cəmiyyəti olaraq, oyunçu proqnozlaşdırmağın nə qədər çətin olduğunu başa düşürük. Bununla birlikdə, bəzi qeyri -müəyyənliklərə baxmayaraq, proqnozların dəyər saxladığını qəbul edirik. Fantasy Football Analytics, performans proqnozlarının dəqiqliyinə baxaraq gözəl bir iş gördü. Mövsümün əslində necə oynandığını (R-kvadrat dəyərləri 0.5-0.6) yarıdan çoxunu tutan mövsüm öncəsi proqnozlarla rahat olduğumuzu göstərdilər. Bu məmnunluq üçün olduqca aşağı bir eşikdir, ancaq zədə proqnozunun mürəkkəbliyi üçün yəqin ki, optimistdir. Təsadüfi olmadığını əhəmiyyətli dərəcədə sübut etmək güclü bir addım olardı.

Futbol ictimaiyyətində oyunçu zədələnməsini proqnozlaşdırmaq qabiliyyətinə şübhə ilə yanaşırıq. Çatdırmaq çətin bir qozdur. Heç kim bunu yaxşı bacarmadı ... hələ.

Məsələnin bir hissəsi zehnimizi zədə proqnozunun mümkünlüyü ilə əlaqələndirməyin çətinliyidir. Beləliklə, bir düşüncə məşqindən keçək. Sizə bir neçə sual verəcəyəm və ağlınıza nə gəldiyini görəcəksiniz.

Hansı pozuntular ən çox zədə alır?

Zero-RB hazırlama strategiyasının artan populyarlığına əsaslanaraq, RB-lərin WR-lərdən daha tez-tez zədələndiyi qəbul edilir. İdman Yaralanma Prediktoru verilənlər bazası və müxtəlif sənaye və akademik araşdırmaların tarixi dərəcələri bunu dəstəklədi və RB -lərin hər hansı bir mövqedən daha zədələnməyə daha həssas olduğunu sübut etdi. Aşağıda, 2016-dan əvvəl SIP yoxlamalı oyunçular üçün mövqe itirdiyi mövsüm içi zədə dərəcələri və ortalama oyunlar verilmişdir.

Cədvəl 1: SIP-də 2016-cı ildən əvvəl yoxlanılan oyunçu mövsümləri üçün Mövsüm İçi Yaralanma Oranları və Vəzifənin Qaçırdığı Oyunlar

Tamam başqa bir şey: Bu mövsüm kimin daha çox oyun buraxacağını gözləyərdiniz: Eli Manning və ya Ben Roethlisberger? Bəs Rob Gronkowski və ya Jason Witten?

Yəqin ki, Big Ben və Gronk dediniz. Eli, ardıcıl 199 oyuna çıxan məşhur bir dəmir adamdır. Gronk, karyerası ərzində Buş rəhbərliyindən bəri heç bir oyunu qaçırmayan Wittenə qarşı 3,7 oyun buraxdı.

Beləliklə, proqnozlaşdırıcı məlumat potensialı var, amma siqnal nədir və səs -küy nədir?

İdman Yaralanma Prediktoru qrupu, şəffaflıq olmadan, məhsulumuz üçün zədə proqnozuna dair ümumi şübhələrin olacağını anlayır.

Modellərimizi qiymətləndirməzdən əvvəl bəzi ölçülə bilən meyarlar təyin etməliyik. Kontekst olmadan rəqəmlər olduqca mənasızdır.

A oyunçusu və B oyunçusu alın. A oyunçusu 32,6%, B oyunçusu 71% müvəffəqiyyətə malikdir. Kim daha yaxşıdır?

Niyə? O, Bryce Harper vuruşudur .326, 9 Avqust tarixindən, ixtisaslar üzrə 5 -ci üçün yaxşıdır. B oyunçusu Roberto Aguayo, 2016 -cı ildə 25 və ya daha çox cəhdlə NFL vuranların ən pis sahə qolu nisbətinə sahib idi və bir il əvvəl 2 -ci turda hazırlandıqdan sonra komandası tərəfindən atıldı.

Bunu nəzərə alaraq, mövsüm öncəsi qərar qəbul edənlər üçün yanan suallara cavab verən və onları ağlabatan alternativlərə qarşı düzgün qiymətləndirən iki imza modeli qurmağa çalışırıq. Bir model qarşıdakı mövsümdə zədə ehtimalını proqnozlaşdıracaq, digəri isə buraxılmış oyunların sayını proqnozlaşdıracaq.

Mövsüm içi zədələnmə ehtimalı

Zədə proqnozlaşdırma modeli üçün bir şans meyarı necə qururuq? Mövsüm içi zədəni ən azı yarım oyunun qaçırılması ilə nəticələnən bir zədə olaraq təyin edərək, bir neçə çox sadələşdirilmiş proqnozlaşdırma modeli ilə başlaya bilərik, sonra hər bir modeli ənənəvi model qiymətləndirmə üsullarından istifadə edərək qiymətləndirə bilərik.

Proqnozların keyfiyyətini qiymətləndirmək üçün istifadə edilə bilən bir çox ölçü var, hər birinin güclü və zəif tərəfləri var. Dəqiqlik, zədə almaq və ya etməmək kimi müəyyən bir nəticəni proqnozlaşdırmağa çalışdığınız bir problem üçün standart bir ölçüdür. Modelimizin yaralanma ehtimalını, log itkisini və ROC əyrisi altındakı sahəni istehsal etmək qabiliyyətini qiymətləndirdiyimiz üçün modellərimizi müqayisə etmək üçün faydalı keyfiyyət ölçüləri də olacaq.

Dəqiqlik, həqiqi proqnozların ümumi proqnoz sayına nisbətidir. Hesablama üçün, bir zədə proqnozu verib verməməyimizə görə, kəsilmə olaraq standart 50% proqnozlaşdırılan zədə şansından istifadə edəcəyik. 50%-dən çox bir zədə və sağlam bir mövsüm proqnozlaşdırırıq. Bu ümumi, lakin həddindən artıq istifadə olunan metrik, hər hansı bir proqnoza olan güvənə məhəl qoymur. Yəqin ki, deməyə ehtiyac yoxdur, amma daha yüksək dəqiqlik daha yaxşıdır.

Log-loss, hər mümkün turnir matçı üçün qazanma ehtimalını verməyi tələb edən illik Kaggle March Madness yarışmasında istifadə olunur. Bir çoxumuz mötərizəni doldurmağı və mükəmməl bir mötərizəni mismarlamaq nə qədər çətin olduğunu bilirik. Günlük itkisi çox güvənli, lakin səhv proqnozları ciddi şəkildə cəzalandırır. Mart Çılğınlığı yarışmasında, müəyyən bir qələbəyə zəmanət verən və səhv başa düşən hər hansı bir yazını məhv edir. Eyni şəkildə, modellərimizi bir oyunçunun zədələnib -zəmanət verməyəcəyinə zəmanət verir. Günlük itkisinin aşağı olması daha yaxşıdır.

ROC əyrisi altındakı sahə (ROC-AUC), bir modelin həqiqi və yanlış pozitiv nisbətləri müqayisə edərək bir hadisəni müsbət və ya mənfi olaraq düzgün təsnif etmə qabiliyyətini ölçür (bizim vəziyyətimizdə bir oyunçunun zədələnib yaralanmayacağıdır). Skorlar 0.5 -dən dəyərsiz olmaqdan 1 -ə qədər xətasız bir model olaraq dəyişir. Puanların qiymətləndirilməsi üçün kobud bir bələdçi aşağıdakı kimidir:

  • 0.9-1 Əla
  • 0.8-0.9 Yaxşı
  • 0.7-0.8 Ədalətli
  • 0.6-0.7 Zəif
  • 0.5-0.6 Dəhşətli

Bu keyfiyyət ölçülərini daha da araşdırmağı sizə buraxacağam.

Testlərimizin və SIP modellərimizin keyfiyyətini obyektiv olaraq kəmiyyətcə müəyyən etmək üçün bir yolumuz olduğuna görə, zədələnmə modellərinin sadələşdirilmiş şansını nəzərdən keçirə bilərik. Bir əsas rejim modeli, əksər oyunçular mövsümdə zədə görmədikləri üçün (SIP oyunçu mövsümlərinin yalnız 32% -i) bütün oyunçulara mövsümi zədə üçün 0% şans verərdi. Başqa bir əsas orta model, bütün oyunçulara tarixi ortalamanı 32% təyin edərdi.

İndi bilirik ki, pozitiv zədə dərəcələrindəki fərqlər səbəbindən ədalətli deyil. Beləliklə, Cədvəl 1 -dəki mövqe ortalamalarını istifadə edərək sadə bir model hazırlaya bilərik.

Eli vs Big Ben və Witten vs Gronk, mövqe ortalamalarının da ədalətli olmadığını düşündürür. Beləliklə, mövsümün zədələnmə dərəcəsinə əsaslanaraq oyunçuya xas bir model yaradırıq. Bunlar modelimizi mühakimə etmək üçün istifadə edəcəyimiz meyarlardır.

Modelimiz haqqında bir söhbət məlumatlarla başlamalıdır. Siqnal axtarışında baxdıq:

  • İdman Yaralanma Prediktoru (SIP) verilənlər bazasından fərdi zədə tarixi, o cümlədən:
    • Hər növ və kateqoriya üzrə ümumi yığılmış xəsarətlər
    • Sentyabrın 1 -dən hər zədə növünə/kateqoriyasına qədər keçən günlər
    • Klinik epidemioloqumuz Jeremy Funk tərəfindən təyin olunan davamlılıq və həssaslıq skorları
    • Hər 100 fürsətə düşən zədə və oyunlar, karyera və mövqe oyunları qaçırılan nisbətlər

    Hamısı, təxminən 3500 oyunçu mövsümü üçün təxminən 300 dəyişən, müxtəlif maşın öyrənmə modelləşdirmə alqoritmlərinə giriş olaraq qiymətləndirildi. Yaxşı bir model qurma prosesi, öyrədilənə qədər bəzi məlumatları modeldən gizlədir. Zədələnmə tarixləri SIP komandası tərəfindən yoxlanılan oyunçular üçün 2016 -dan əvvəlki oyunçu mövsümləri modellərimizi məşq etdirmək üçün istifadə edildi. Modellərin həqiqi performansını yoxlamaq üçün 2016 -cı ildən etibarən 385 oyunçu mövsümündən istifadə etdik. Düzdür, bu yalnız bir illik məlumatdır, lakin modelimizin qabiliyyətini aşmamaq üçün DraftSharks.com tərəfindən təqdim edilən 2016 -cı il mövsüm öncəsi proqnozlardan istifadə etdik. oyunçunun həqiqi istifadəsi. Bu, modellərimizin qarşıdakı 2017 NFL mövsümündə nə qədər yaxşı performans göstərəcəyinə dair yaxşı bir təxmin verməlidir.

    Cədvəl 2: 2016-cı ilin nümunə məlumatları üzrə Mövsüm İçi Zədələnmə Model Müqayisə Şansı

    Birincisi, SIP modelinin bütün keyfiyyət göstəricilərində lider olduğunu qeyd edək. Ancaq buna qayıdacağıq. Qiymətləndirmələrimiz haqqını almağa layiqdir.

    Cədvəl 1 -də görə bilərik ki, ilk 3 test modelimizdə dəqiqliyin statik olduğunu görürük. Niyə? Çıxışımız gözlənilən bir zədə üçün 50% -dir və bu 3 meyar modeli əslində heç bir oyunçuya 50% zədə ehtimalı vermir. Orta mövqe modelindəki RB'ler 47.1%-ə yaxındır, ancaq bu yalnız at nalı və əl bombası sayılır. Beləliklə, bu müqayisə modellərindən hər bir ağ -qara proqnoz, bir oyunçunun zədələnməyəcəyidir. Darıxdırıcı.

    Karyera mövsümündə zədə dərəcəsi modeli, digər 3 meyarlara nisbətən dəqiqlik baxımından daha yaxşı olsa da, oyunçunun qiymətinə gəldikdə daha pisdir.

    Cədvəl 1 də göstərir ki, güncəl itkisi, nəticəni "zəmanət verdikləri", lakin bir oyunçunun əslində yaşadığı bütün hallar üçün (digər modellərlə müqayisədə dəhşətli olan) tarixi rejimi və karyera mövsümündəki zədə dərəcəsi modellərini ciddi şəkildə cəzalandırır. əksinə. Həm tarixi rejimin, həm də tarixi orta modellərin daimi proqnozları ROC-AUC balı baxımından faydasızdır.

    Tarixi mövqe orta modeli, log zərərində (0.671-dən 0.646-a qədər) və ROC-AUC-da (dəhşətli 0.5-dən kasıb 0.626-a qədər) bəzi marjinal yaxşılaşmaları göstərir. Keyfiyyət göstəricilərində heç bir əsas qırmızı bayraq olmadığı üçün bu modelin bəzi üstünlükləri var. Bunun mənası nədir? Bir oyunçunun mövqeyinin zədələnmə ehtimalını irəli sürdüyünü güman etmək ədalətlidir, amma danışılmayan hekayə daha çoxdur.

    Bu, bizi İdman Yaralanma Predictoruna mövsüm içi zədə modelinin şansını gətirir. Günlük itkisi, mövqelərin orta modeli üzərində əhəmiyyətli bir inkişaf edir (0.646 -dan 0.542 -ə qədər). ROC-AUC kasıb 0.626-dan sərhəd 0.809-a doğru hərəkət edərkən! Dəqiqlik, oyunçunun xərcləri ölçülmüş ölçüsü üçün ən yaxın göstəricini 3.5% və 10% -dən çox bestseller edir!

    Daha zərif və bəlkə də daha ağlabatan bir səviyyədə, proqnozlarımızı qrup halında nəzərdən keçirə və onları faktiki zədə dərəcələri ilə müqayisə edə bilərik. Əgər proqnozlaşdırma ehtimallarımızı 10% -lik kovalara bölsək, qrupu mövsümdəki faktiki zədə dərəcəsi ilə müqayisə edə bilərik.

    Aşağıdakı Şəkil 1, zədələnmə ehtimalımızın nə qədər yüksək olduğunu göstərirsə, qrup üçün faktiki zədə dərəcəsi daha yüksəkdir. Artım, modelin həddindən artıq dəqiq olduğunu irəli sürməklə mükəmməl bir addım deyil, amma mütləq diqqət yetirilməli olan bir neçə eşik var: 30% və 70%. 30% -dən aşağı bir oyunçu nisbətən təhlükəsizdir, yuxarıda və zədə gözləmək olar. Və 70% -dən çox zədə demək olar ki, dəqiqdir.

    Şəkil 1: Yaralanma Şansı üçün Mövsüm İçi Yaralanma Oranları

    İndi mübahisə etmək olar ki, hər proqnoz o qədər də vacib deyil. Hər iki komanda və fantaziya oyunçuları daha böyük sərmayələri təmsil edən oyunçularla daha çox maraqlanır. Bunun illik maaşları və ya fantaziya layihəsi ilə qiymətləndirilir.

    Beləliklə, modellərimizi qurarkən və qiymətləndirərkən nəzərə aldığımız bir şey, bu yüksək qiymətli aktivlər üçün proqnozlarımızın nə qədər güclü olması idi. Keyfiyyət ölçülərimizi daha bahalı aktivlərə nisbətləndirmək üçün orta çəkiliş mövqeyindən (ADP) istifadə edərək, Cədvəl 1 göstərir ki, ADP -ləri daha yüksək olan oyunçuları proqnozlaşdırmaq bir az daha çətin görünür, lakin nəticələr qiymətləndirilməmiş qiymətləndirmə ilə müqayisə oluna bilər.

    Proqnozlaşdırılan Oyunlar Qaçırıldı

    Yaralanma ehtimalı haqqında daha yaxşı bir təsəvvürə sahib olmaq hər şey yaxşıdır və əlbəttə ki, rəqabət üzərində bir inkişafdır. Ancaq bu, oyunçunun beyin sarsıntısı olan bir oyunu və ya ACL yırtığı olan 10 oyunu qaçıracağını ehtimal etmir. Yalnız bir qərar verən kimi zədə baş ağrısı yaşamağınız ehtimalı haqqında bir fikir verir.

    Bu boşluğu doldurmaq üçün, biz də qaçırılmış bir layihə oyunları hazırladıq. Bu, xüsusilə çətin bir problemdir, çünki oyunçuların əksəriyyəti müəyyən bir mövsümdə zədə almadı və 1 -ci həftədə ACL gözyaşları kimi zədələnmələr, 12 -ci həftədəki ACL gözyaşından çox fərqli buraxılmış oyunlarla nəticələndi.

    Beləliklə, modelləşdirməyə keçərkən proqnozlarımızda nisbətən əhəmiyyətli səhvlər gözləyirik. Yenə diqqət etməli olduğumuz şey, modelimizin bəzi meyarlara necə dayandığıdır. SIP yoxlamalı oyunçulara əsaslanan çox sadələşdirilmiş modellərimizə aşağıdakılar daxildir:

    • Tarixi Mod/Mediya - bütün oyunçuların Mode və Median oyun sayını qaçıracağını proqnozlaşdırmaq: 0
    • Tarixi Orta - bütün oyunçuların ortalama oyun sayını qaçıracağını proqnozlaşdırır: 1.68
    • Tarixi Pozisyon Orta - müəyyən bir mövqedəki bütün oyunçuların eyni sayda oyunu qaçıracağını proqnozlaşdırır (Cədvəl 1 -ə baxın)
    • Karyera Ortalama Oyunları Qaçırılıb - bir oyunçunun karyera oyunlarından istifadə edərək buraxılan nisbət dəfə 16

    Bu modelləri yoxlamaq üçün zədələnmə modeli ilə müqayisədə fərqli ölçüləri istifadə etməliyik, çünki məqsədimiz baş vermə ehtimalını deyil, davamlı bir dəyəri proqnozlaşdırmaqdır. Aşağıdakılardan istifadə edəcəyik (eyni zamanda ADP ağırlıqlı dəyərlərini əvvəlki kimi müqayisə edərək):

    • Təyinat əmsalı (R 2) - Modelin girişləri ilə proqnozlaşdırıla bilən faktiki hədəf dəyərlərindəki fərqin nisbəti
      • Metrik mükəmməl bir modeli təmsil edən maksimum 1 -ə malikdir
      • Mənfi dəyərlər, həqiqi hədəf dəyərlərinin ortalamasının, modelin özündən daha yaxşı nəticələrə daha yaxşı uyğunlaşdığını ifadə edir
      • Böyük səhvlərdən çox təsirləndi
      • Böyük səhvlərdən daha az təsirlənir

      Cədvəl 2: 2016 -cı il nümunəsi üzrə proqnozlaşdırılan oyunlar qaçırılan model müqayisəsi

      SIP modeli yenə də baza modelləri üzərində xeyli irəliləyişlər edir.

      R 2 dəyəri ən yaxşı 0.026 -dan 0.401 -ə qədər olan bir göstəricidən atlayır, yəni model girişləri, oxşar profilləri uyğunlaşdıran oyunçuların SIP verilənlər bazasında yoxlanılan oyunlarla qaçırdıqları oyunların fərqinin 40.1% -ni (Cədvəl 2) izah edə bilər. (40.1% daha yaxşı olmayan oyunçu proyeksiyalarından istifadə etdiyimizi nəzərə alsaq çox yaxşı olar və ictimaiyyətin əksəriyyəti varyasyonun ən yaxşı halda 2.6% -i ilə işləyər!)

      ADP tənzimlənmiş dəyəri o qədər də yaxşı deyil, bu da yüksək qiymətli oyunçuları proqnozlaşdırmaq daha çətindir (daha çox görəcəyimiz kimi, əsasən istifadə fərqinə görə) .Lakin yenə də mövqe ortalaması modelindən on qat çoxdur!

      Bəzi oyunçuların ağır zədələnməsi və çox sayda oyunu buraxması səbəbindən bu işdə böyük səhvlər potensialı olduqca yüksəkdir. Beləliklə, MAE, ehtimal ki, RMSE -dən daha uyğun bir dəqiqlik ölçüsüdür. Burada hələ də müəyyən bir qeyri -müəyyənlik var ki, ortalama mütləq səhv 1.610; orta hesabla proqnozlarımız təxminən bir buçuk oyun geridə qaldı. Cədvəl 2 -də görə bilərik ki, modelimiz ən yaxşı meyar - rejim/median modelinin ortalama mütləq səhvində yarım oyun və mövqelərin orta modeli üzərində demək olar ki, bir oyun üstünlüyə malikdir.

      ADP ağırlıqlı ölçüləri yenə də ağırlıqlı olmayan metriklərlə eyni qiymətə düşmür, çünki daha aşağı qiymətli oyunçular daha az aktivlik görürlər, daha az zədələnmə şansına malikdirlər və beləliklə daha proqnozlaşdırıla bilər. Ancaq SIP modeli üçün meyarlar üzərində möhkəm inkişaf hələ də göstərilir.

      Yaralanma riskinin hərəkətverici amilləri

      Yaralanmaların proqnozlaşdırılmasına şübhə ilə yanaşsalar da, danışan başlar, ehtimal ki, hamısının bir mənası var kimi, ehtimal olunan risk faktorlarını atmağı sevirlər. Yaş uçurumu, 300 RB lənəti daşıyır, zədələnmiş bir mövsümdən çıxır, boş komanda, Madden afişası oğlanı, müqavilə payları və s. Oynayır. Proqnozlaşdırılmış oyunlarımızın buraxılmış modelinə əsaslanaraq, Cədvəl 3, 300 plus test edilmiş girişdən ən əhəmiyyətlisini göstərir.

      Cədvəl 3: Qaçırılan modellər üçün ilk 11 ən vacib giriş

      Qaçırılan modeldəki girişlərin böyük miqdarda proqnozlaşdırılan dəyərini daşıyan zədə modelini görmək şansımız oldu. Ayrıca, klinik epidemioloqumuz Jeremy Funk, hər biri ən yüksək səviyyəyə yaxın olan davamlılığı və həssaslıq göstəricilərinə görə başqa bir səslənməyə layiqdir.

      Təəccüblü deyil ki, siyahıda yüksək təsirli oyun və snap görürük. Ancaq diqqətəlayiqdir ki, yüksək təsirli oyunların meydanda olmağından iki qat çox vacib idi. ADP də siyahıda və ehtimal ki, yüksək təsirli oyunların təmsil etdiyi bal toplama imkanları ilə əlaqəlidir.

      Buradakı üst girişlərdə heç bir kümülatif zədə sayma dəyişəninin göstərilmədiyini, sonuncu yaralanma hadisəsindən sonra iki dəfə keçdiyini qeyd edin. Bir oyunçunun son yumşaq toxuma zədələnməsinin zirvəyə yaxın olduğu və keçmiş araşdırmamızda aktual göründüyü vaxt. Pedalın (ayaq/ayaq biləyi nahiyəsi) zədələnməsinin digər mümkün bədən hissələri ilə müqayisədə çox əhəmiyyətli olması bizi maarifləndirdi.

      Güc / çəki nisbəti bir atış metrikiydi və nisbi proqnozlaşdırıcı dəyərini görəndə bir az təəccübləndik. NFL -də gözlənilən döyülməyə tab gətirmək üçün "qurulmuş" oyunçuları tutmaq üçün nəzərdə tutulmuşdu. Bunun müəyyən bir ləyaqəti ola bilər.

      Ayrılıq sözləri

      Proqnozlaşdırılan oyunların buraxılmış modeli və mövsüm içi zədə modelinin şansı, zədələrin tamamilə təsadüfi olmadığını və 2017-ci ildə və sonrasında qərar vermə prosesinizə dəyər qatacaq modellərimizin olduğunu göstərir.

      2016-cı ilin test nəticələrini daha ətraflı öyrənmək istəyirsinizsə, əvvəlki interaktiv tablosundan istifadə edə bilərsiniz.

      • qaçırılan faktiki və proqnozlaşdırılan oyunların vasitələrinin və medianlarının mövqelərini ayırmaq
      • oyunçu proqnozlarının tam siyahısı, o cümlədən:
        • mövsümdə zədələnmə ehtimalı
        • 80% və 95% güvən proqnozlaşdırma limiti istinadları ilə proqnozlaşdırılan oyunlar buraxılmış və gerçək oyunlar qaçırılmışdır

        Məlumat toplama və model qurma proseslərimizlə bağlı ədalətli suallar ortaya çıxacaq. Bu mövzularda daha çox təfərrüatı olan məqalələri gözdən keçirin və saytımızdakı Əlaqə linki və ya Twitter (@InjuryPredictor və ya @DataScientistFF) vasitəsilə cavablandırmaq istədiyiniz xüsusi sualları verməkdən çəkinməyin. Bu heç vaxt statik bir məhsul olmayacaq. Həm məlumatlarımızı, həm də modellərimizi təkmilləşdirmək üçün hər zaman yer olacaq, ancaq bunun zədə proqnozu maneəsini aşmaq üçün güclü bir başlanğıc olduğunu hiss edirik.