当NBA球星遇上机器学习……

我喜欢篮球。我喜欢打篮球、看篮球、谈篮球。有时候我会和朋友们谈论诸如“如果科比和勒布朗单挑谁会赢”之类的话题。我需要用这次机器学习项目，将我的两个爱好，篮球和数据科学有机地结合起来。去年夏天，金州勇士队转出连续斩获两届NBA决赛MVP(最有价值球员奖)的凯文·杜兰特，引入德安格洛·拉塞尔。于是体育分析员纷纷开始猜测拉塞尔在勇士队的适配程度，如下：

来源：clutchpoints

这也让我开始思考：德安格洛·拉塞尔将如何适应勇士队的节奏?能不能运用机器学习将NBA球员分类，并预测某一球员与指定球队的兼容程度?

本项目的研究目的是，确定若干球员的类型，并根据历史活动或他们对空间的利用确定他们在球场上扮演的角色。

得分、篮板、助攻、抢断、盖帽等数据不会被用作特征，因为它们依赖于例如出场时间或进球数量等数据(这项数据也不会出现在特征中)。将得分、篮板、助攻、抢断、盖帽等数据作为特征可能会使最终结果与这些特征密切相关，这就偏离了本次项目的初衷。我将在下文的研究方法部分详细列举所有的特征。

数据

我们来看一看数据部分。

数据是由Python和Selenium包从stats.nba.com提取加工而成。选取的特征大部分都基于上场频率。很多打法都包含进攻和防守站位。比如说，“进攻背身单打率”指该球员背身单打时在进攻位的频率;“防守背身单打率” 指该球员背身单打时在防守位的频率。这些特征的附释，可以参考此链接：https://stats.nba.com/help/glossary/。

样本数据：272名球员

初始数据集包含531名球员。而后上场时间少于半个赛季及1000分钟的球员被移出样本数据。这样做的原则是，去除所有出场不稳定的球员。以下是完整的球员样本名单：

球员名单

选取特征：41个

筛选之前特征总数超过600。最后选取了描述落位和运球的特征。

特征列表

研究方法和模型选择

由于本项目属于无监督学习，它得出的结果需要进一步分析。我在模型和簇数选择上有两个目标：

1. 突出簇之间的显著差异。簇数太少，每个簇中样本太多，不能得出各个球员间的风格差异。

2. 避免簇数过多。如果每个球员都是一个簇，结果只能表明每一个人都是独立的个体，这对研究的帮助很小。

模型选择： DBSCAN, K-means和Mean Shift

以上三个模型中，K-Means最有效地实现了研究目标。DBSCAN和Mean Shift生成的结果都包含多个仅含一个球员的簇。

簇的数量：10个

我决定将簇的数量定为5的倍数，因为篮球场上有5个位置。10个簇切合了我设想的研究方法。

研究结果

我用所得结果计算了每个组中所有特征的平均数，并根据最高和第二高的特征对每组进行了排名。术语定义如下：首要特征：所列特征的平均值在一组中是最高的。次要特征：所列特征的平均值在一组中是第二高的。除此之外，还通过条形图展现了每组的首要特征，用于与其他球员作对比。

第一组

史蒂芬·库里

布拉德利·比尔, 巴迪·希尔德, 史蒂芬·库里, 埃文·, 特雷沃·阿里扎,凯尔·洛瑞, 乔·英格尔斯, 小奥托·波特, 博格丹·博格达诺维奇,艾弗里·布拉德利, 小蒂姆·哈达威, 杰森·塔图姆, 贾斯蒂斯·温斯洛, 杰里米·兰姆,伊托万·摩尔, 凯文·诺克斯, 凯文·许尔特, 波格丹·波格诺维奇, 加里·哈里斯, 布林·福布斯, 埃里克·戈登, 泰勒·约翰逊, 达米安·多特森, 托里恩·普林斯, 加里特·坦普尔

首要特征：防守单打投篮率

次要特征：手递手防守率, 防守绕掩护投篮率, 防守绕掩护率, 防守背身单打率, 快攻率, 手递手进攻率, 进攻绕掩护投篮率

防守远射频率

第二组卡尔·安东尼·唐斯，拉马库斯·阿尔德里奇，乔尔·恩比德，赛迪斯·杨，布雷克·格里芬，安东尼·戴维斯，尼克拉·约基奇，朱利叶斯·兰德尔，尼可拉·武切维奇，德安德烈·艾顿，迈尔斯·特纳，艾尔·霍福德，马克·加索尔，马尔文·巴格莱三世，小贾伦·杰克逊，赛尔吉·伊巴卡，鲍比·波蒂斯，伊内斯·坎特，乔纳斯·瓦兰西尤纳斯，罗宾·洛佩兹，马基夫·莫里斯，戈尔吉·吉恩

首要特征：进攻背身单打率，背身单打触球率

次要特征：进攻篮板球率调整

进攻背身单打率

第三组

PJ塔克，德雷蒙德·格林，马尔文·威廉姆斯，杰·克劳德，布鲁克·洛佩兹，达里奥·萨里奇，德维恩·戴德蒙，杰夫·格林，凯利·奥里尼克，戴维斯·贝尔坦斯，迈克·穆斯卡拉，马克西·克雷贝尔，贾里德·杜德利，迈克·斯科特，约纳斯·杰雷布克，安东尼·托利弗，文斯·卡特

首要特征：接球投篮率, 进攻定点投篮率, 无防守投篮率, 防守单打率, 防守背身单打率

次要特征：防守定点投篮率, 传球数大于接球数

接球投篮率

第四组

约什·理查德森，CJ·麦科勒姆，迈克·康利，贾马尔·穆雷，达龙·福克斯，特雷·杨，赛迪·奥斯曼，艾弗里德·佩顿，克里斯·邓恩，丹尼·施罗德，埃里克·布莱德索，马尔科姆·布罗格登，托马斯·萨托兰斯基，帕特里克·贝弗利，小丹尼·史密斯，伊曼纽尔·穆迪埃，弗雷德·范弗里特，里基·卢比奥，谢伊·吉尔吉斯·亚历山大，达伦·科里森，雷吉·杰克逊，D.J.奥古斯汀，科里·约瑟夫，德雷克·怀特，莱恩·阿什蒂亚克诺

首要特征：防守篮板球距离, 进攻挡拆执行率，拿球平均运球数, 匀速进攻

次要特征：平均拿球秒数，进攻挡拆执行率, 进攻篮板球距离, 长运球投篮率

防守球处理频率

第五组

勒布朗·詹姆斯

朱·赫勒迪，保罗·乔治，扎可·拉文，托拜厄斯·哈里斯，布兰登·英格拉姆，吉米·巴特勒，德文·布克，科怀·伦纳德，德玛尔·德罗赞，肯巴·沃克，拉塞尔·威斯布鲁克，达米安·利拉德，安德鲁·维金斯，多诺万·米切尔，凯尔·欧文，凯文·杜兰特，勒布朗·詹姆斯，詹姆斯·哈登，克里斯·米德尔顿，卢卡·东契奇，科林·塞克斯顿，德安吉洛·拉塞尔，克里斯·保罗，拉简·隆多，乔丹·卡拉克森

首要特征：长运球投篮率，进攻单打率, 进攻挡拆执行率，触球平均秒数

次要特征：触球平均运球数，防守挡拆执行频率。防守篮板球概率调整，无防守投篮率

拿球平均运球数

第六组

尼古拉斯·巴图姆，朗佐·鲍尔，米卡尔·布里奇斯，丹尼·格林，小凯利·乌布雷，乔纳森·艾萨克，特伦斯·弗格森，杰伦·布朗，多里安·芬尼·史密斯，肯里奇·威廉姆斯，约什·奥肯基，德玛雷·卡罗尔，德安徳烈·本布里，莫里斯·哈克里斯，安德烈·伊格达拉，罗季翁斯·库鲁兹，詹姆斯·恩尼斯三世，沙奎尔·哈里森，帕特·康诺顿，罗伊斯·奥尼尔，OG·安娜诺比，托里·克雷格，贾斯汀·杰克逊，布鲁斯·布朗，弗兰克·杰克逊

首要特征：快攻率，防守背身单打率，防守投篮率

次要特征：防守单打投篮率，进攻定点投篮率，无防守投篮率

快攻率

第七组

德安德烈·乔丹，蒙特雷斯·哈雷尔，巴姆·阿德巴约，杰迈克尔·格林，梅森·普拉姆利，米切尔·罗宾逊，扎克·科林斯

首要特征：其他进攻战术概率，其他进攻概率，近对抗投篮率，防守挡拆执行率，防守定点投篮率

次要特征：对抗投篮率，防守投篮率，肘区触球率，进攻空切率，进攻背身单打率，油漆区/三秒区触球率，背身单打触球率

近距离对抗投篮率

第八组

扬尼斯·安特托昆博

凯尔·库兹玛，阿隆·戈登，本·西蒙斯，哈里森·巴恩斯，杰拉米·格兰特，帕斯卡尔·西亚卡姆，扬尼斯·安特托昆博，劳里·马尔卡宁，T.J·沃伦，凯尔·安德森，达尼罗·加理纳利，艾尔·法鲁克·阿米奴，贾巴里·帕克，诺阿·冯莱，内马尼亚·别利察，威尔森·钱德勒，迈尔斯·布里奇斯，朗达·霍里斯·杰弗森，马里奥·海佐尼亚，詹姆斯·约翰逊，小德里克·琼斯

首要特征：防守篮板球率改变，防守定点率，防守绕掩护投篮率

次要特征：防守单打率，防守挡拆执行投篮率，防守定点投篮率，进攻单打率

防守篮板球概率改变

第九组

克莱·汤普森，JJ·雷迪克，贾斯汀·霍勒迪，乔·哈里斯，雷吉·巴洛克，韦斯利·马修斯，特伦斯·罗斯，阿伦·克拉布，肯塔维奥斯·考德威尔·波普，兰德里·沙梅特，维恩·艾灵顿，马尔科·贝里内利，达柳斯·米勒，兰斯顿·加洛韦，凯尔·科沃尔，道格·麦克德莫特，托尼·斯内尔

首要特征：进攻手递手率，进攻绕掩护投篮率，无防守投篮率，进攻篮板球距离，防守手递手率，防守绕掩护率

次要特征：匀速进攻，接球突投率，防守篮板球距离

无防守投篮率

第十组

史蒂夫·亚当斯，克林特·卡佩拉，鲁迪·戈贝尔，安德烈·德拉蒙德，约翰·科林斯，威利·考利·斯坦，特里斯坦·汤普森，尤素福·努尔基齐，科迪·泽勒，贾瑞特·艾伦，拉里·南斯二世，温德尔·卡特二世，德曼塔斯·萨博提斯，泰·吉布森，德雷克·费沃斯，德怀特·鲍威尔，贾维尔·麦基，哈桑·怀特赛德，托马斯·布莱恩特，亚历克斯·莱恩，凯文·鲁尼，艾德·戴维斯，伊维察·祖巴茨，雅各布·珀尔特尔，安特·日日奇

首要特征：进攻挡拆执行率，进攻空切率，投篮率，进攻篮板球概率调整，传球数大于接球数，肘区触球率，三秒区/油漆区触球率

次要特征：近对抗投篮率，防守背身单打率，进攻其他概率，进攻战术其他概率

三秒区/油漆区触球率

结果让我吃惊。通常来说，我们认为像史蒂芬·库里这样的全联盟的顶尖得分后卫会和其他明星球员并列，但是，这次使用的模型将他分到了第一组，在其中的大部分球员能力值一般。对比之下，第五组里就包含很多明星球员。作为控球球员，他们的首要特征是：长运球投篮率，进攻单打率，进攻挡拆执行率，平均触球秒数。

很希望能详细讨论每一组的数据特征，但既然这是一个数据科学项目，我将在下文转而阐述数据可视化问题。

结果可视化

由于将41个维度全部可视化的难度很大，我运用了主成分分析(PCA)将41个维度缩减到3个维度。不熟悉主成分分析的读者可以参考下文定义： “主成分分析负责寻找新的维度系列(或是一套基本观点系)，使得所有的维度呈现正交关系(即相互线性独立)，并根据它们之间的数据差额排列。这意味着，主成分分析保留了那些更重要的原则。”

整合K-means输出和主成分分析降维之后的结果，生成了Plotly三个三维集群，截图如下：