发信人: benda@cis_nctu (女儿的大玩偶), 信区: 'TML' 标 题: 各种攻击指数的观念和算法(一) 发信站: 交大资科_BBS (Wed Nov 13 17:29:55 2002) 来 源: 221.119.30.61.isp.tfn.net.tw Who's the best？谁是最好的？ 这个问题其实经常是为人津津乐道的话题，彭政闵和陈文宾谁是今年中华职棒联盟最好 的打者？谢佳贤和米西亚谁才是台湾职棒大联盟最好的打者？这些的问题的解答当然就 只好从他们的棒球数据中去比较，只有数据才能说服人，只有数据才能说明一切。 棒球的攻击数据比起其他运动例如篮球方面是要简单多了，主要原因是因为它很单纯， 是一个一个个别独立的 play 组合而成的，不管你前面的打者打击内容是什麽，只要轮到 你打击，就是一个全新的 play ，你如果在篮球场上有一位很会得分的队友，那麽你得分 的数据就会遭到压缩，因为你的出手次数会相对减低，但是你有一位会打全垒打的队友 ，这并不会影响你打全垒打的机率。这是棒球数据的独立性和有趣的地方。 But, How？怎麽去看数据？怎麽去判断？ 以下是我以前就很想写的东西，介绍美国现在一些攻击指数的算法，当然，藉此可以明 了美国人对於棒球数据的观念和他们的价值观，唯有建立正确的观念和价值观，才能够 真正明了到一个棒球打者应该追求的是什麽，应该是怎麽样的打者才是一个正确的好打 者。 在开始之前先介绍一个名词：Sabermetrics，什麽是 Sabermetrics？简单来说，就是 用科学化和系统化来对於棒球数据作研究，利用大量数据和各种数值分析的方法对棒球 数据作分析，这种概念和数据称为 Sabermetrics。 Sabermetrics is the scientific research of the available evidence to identify, study and measure forces in professional baseball. - Craig Wright (The Bill James Baseball Abstract 1985) 这个名词也应该是对於棒球数据的正确态度和观念。 以下每个数字其实都个别还有很大的讨论空间，我只是简略说明。 1. TA，Total Average 这个数据对於台湾比较用功的棒球迷来说，应该是不陌生的，因为这是中华职棒联盟目 前采用的攻击指数的算法。它是 Thomas Boswell 在一九八一年，在他的书中"How Life Imitates the World Series."提到的攻击数据的算法。 这个数据的观念其实很简单，就是 （Total bases Gained）／（Total batters cost） ，中文的解释方法也就是打者得到的垒包数除以打者使出局的次数，算法是： [TB+SB+BB+HBP-CS] / [AB-H+CS+GIDP] 中文就是 「垒打数＋四坏球＋触身球＋盗垒成功－盗垒失败」除以「打数－安打数＋双杀 打＋盗垒失败」 当然，有一些近似的算法我们也可以归在这里面，重点是观念。在这个数据中，我们 可以看到作者的观念就是他认为打者一次使出局的次数中，能够获得的垒包数越多的 打者，他认为是越好的打者。 当然，乍听之下好像是很合理的，但是我个人并不认为这是很好的攻击数据的算法。 第一，一支一垒安打和一次保送在他的数据中，功用是一样的，但是在棒球实际世界 中，其实功用是有一段差距，棒球的攻击包含上垒和推进垒包两部分，一垒安打的功 用是不但可以自己上垒，也可以帮助队友推进一个垒包，但是保送就没有推进垒包的 功用了（除非强迫进垒状态），这种上垒和推进垒包功能不分的情形让它这数据失色 不少，第二，我个人觉得以出局数作为数据的分母并不恰当，缺乏逻辑可解释的地方 ，很难去解释的通。不过，我觉得这数据另外它有一项有很好的地方，也就是它把跑 者的价值也列进去了（盗垒的部分），有些其他的攻击指数比较偏重在打击的部分， 但是整体而言，我仍然觉得这数据有缺陷。 基於以上的原因，所以我个人并不太觉得这数据是很好的数据，当然，还是有人用就 是了。 2. OPS，Onbase Plus Slugging Pete Palmer（这个人还需要介绍吗？）所创立的数据，也是目前很多人最常用简单的数 据，它的算法非常简单，也就是长打率 SLG 加上上垒率 OBP 就成为OPS。 这个数据的逻辑就比上面的 TA 清楚许多，棒球的攻击包含上垒和推进垒包两部分， 而上垒这部份的价值就用上垒率来代表，推进垒包的能力就用长打率来代表，而一位 打者的攻击能力就可以很简单的用两者的相加来代表。 这数值的优点就是简单容易，而且逻辑很清楚，但是由於在很多的面向太过简单，而 且还不够精细，使得它只能是很初步的判断打者的优劣。 它是很好用且被常被用的棒球攻击数据，但是严格来说，不够精细。 美国大联盟官方网站中的打击数据中也把 OPS 这数值列入。 3. RC，Run Created 这是由 Bill James（此人被誉为是 Sabermetrics 之父）所创立的攻击指数计算的系统， 路上随便抓一个美国大联盟的球迷可能也都知道这数字，这个数字字面上的意义就是 制造分数的多寡，逻辑和上面的 OPS 有点相似却又不同，它最初的版本算法是： RC= OBP*TB，也几乎等於是上垒垒包数乘垒打数除以打席数 很简单的观念：Get on base, then move the runners around，上垒後用垒打数打回分数。 事实上这种最初的版本有着还不错的准确度，可以近似去求得一支球队的总得分，但 是仍不够精细，後来陆陆续续有了其他版本出现，据我所知是有二十四种修正版本， 目前最新的版本我不确定，底下是我知道的版本。 RC = A * B / C（和初版概念很接近，上垒乘以垒打除以打席，只是做了数值修正） 其中 A=(H + HB - GIDP - CS) B=[ TB + ((W + HB - IBB)*.29) + (SB*.64) + ((SH+SF)*.53)-(.03*K) ] C=(AB + W + HB + SH + SF) 修正後的版本把跑者的价值也考虑进去，同时也做了更精细的数值修正。 事实上，要验证上面的所谓 Run Created 的公式，最佳的方法是把一支球队的各种 数值带进去，去求得这支球队的攻击数据下的得分期望值，再和球队的总得分去比 较差异程度，这在美国已经是近似很准确的公式了，不过如果要用在台湾，可能也要 有一些数值的修正。 同样地，由於这数字可以近似准确预估球队得分的期望值，假设它是正确的，所以亦 可以用来计算一个球员〔为球队制造的分数〕，一个球员的 Run Created 的数值就 是把一个球员的各项数字代入上述公式中，就可以判断这个球员为球队带来多少分数 ，能带来越多分数的打者，理论上自然是越好的打者。 此外，为了平均化一个打者的 RC 值，也有平均的数值产生，也就是常见的 RC/27 或是 RC/ 25，公式如下： RC/27 = RC / O * 27　（RC/25 就是数字变成25） O = AB - H + CS + GIDP + SH + SF 也就是这位球员出局二十七次（一场九局的比赛）或二十五次（一场比赛经常打不到 九局下半结束，所以实际上平均一场比赛大约只有二十五出局数）所能制造的分数， 用白话一点，也就是当全队打者都是这位打者时，一场比赛能打下多少分数。 虽然严格来说，这数字还有些小瑕疵，高上垒率的打者会有一些比较高估的情形发生 ，但是整体而言，这是相当好的攻击数据的计算方式。 以下待续，if possible... -- * Origin: ★ 交通大学资讯科学系 BBS ★ <bbs.cis.nctu.edu.tw: 140.113.23.3> --

※ 发信站: 批踢踢实业坊(ptt.csie.ntu.edu.tw) ◆ From: 210.202.193.29