43 数据分析模型与潘园-第2/2页

    这些都是数据模型的功劳，他能更精准的分析既定印象。就像大联盟圈子里很经典的一句话，数据是不会骗人的。

    休斯顿太空人在对投手的评价、预测与改造方面成绩斐然的真实性毋庸置疑。高直球与曲球的搭配是能够通过诡异验证重合度的方式描绘的，再不行还有模拟环境的真人准确度识别。

    再者，在模型之后，还验证了伸卡球对左打的效果低下，除非是伸卡的球速快到让打者无法判断。

    其实模型并不难建，只要有人工智能当面的知识面一般情况来说不懂棒球也不是问题。可难就难在棒球是一项非常老土的体育运动，老土到超乎你的想像。

    还记得测速枪之类的东西吗？这在大联盟早就被淘汰了。还有胜投数啊、打击率之类的统计数据，其实几十年前就不顶用了，可每个报告里还是免不了出现！老土！不愿革新。

    测速这方面有视频图像处理技术已经完全无用~如果不是这样恐怕现在在球场上还会有许多人举着测速枪来看球吧~

    众所周知，球探是一个关键，球探报告也是一个关键，可随着数据模型的建立，它们比之球探要更加准确。从基础数据到投球轨迹、打击速度和角度甚至守备站位都能精确到位，快速、精准有论证，可大联盟会放弃球探只相信数据吗？

    显然不会！

    那会忽视打击率吗？更不可能！

    会无视投手的胜投吗？绝对不可能！

    看！棒球就是那么老套！新事物要占据一席之地非常非常的难！

    所以现在沈秦一听说这个就想起之前和潘园的聊天，他打不了职业，但是又想从事棒球相关方面的工作，那数据模型这一块的确是一个很好的切入点啊。

    哪怕棒球现在不愿大力度的改革，以后肯定会的啊，从棒次到布阵，从调整到分析，哪一个都离不了数据！

    每年一支球队的162场比赛，30支球队！再并上小联盟从3a到a再到菜鸟联盟。一个球队下面还附属着4、5甚至6个球队！仅仅靠人？谁做的到？



    本章完