選全明星哪家強，機器學習來幫忙

代碼鏈接：Jupyter Notebook Viewer

數據鏈接：lijin-THU/play-with-machine-learning

又到了一年一度NBA全明星賽投票的時刻。

老實說，真要在這麼多球員里找出兩支全明星隊來對抗，實在是有點難為我這個選擇困難症了。好在，我會那麼一點機器學習的小知識。所以，今年，我準備讓電腦來決定，我到底該選誰。

進入21世紀以來，從2000-2001賽季開始，NBA已經舉行了17屆全明星的比賽，有數據記錄的NBA球員有6850人次，而全明星只有396人次：

而在這17個賽季里，有機會成為全明星的球員共有1475人，而真正擁有全明星這塊招牌的球員則是118位：

而在這些摸到全明星正賽地板的球員中，有42位只在全明星賽曇花一現，除了少數全明星賽的常青樹，更多的人只能留下到此一游的傳說：

有四位參加了13次全明星正賽，分別是「石佛」鄧肯，「德國戰車」諾維斯基，」黑曼巴「科比以及小皇帝詹姆斯。

鄧肯同學已經退役回家釣魚參加」高考「：

老科剛剛退役了自己的兩件球衣：

諾天王還奮戰在NBA一線打怪升級：

唯一年輕的」三旬老漢「似乎沒有受到歲月的侵蝕，想必即將成為21世紀參加全明星次數最多的球員（之一）：

緊隨其後的是11次的閃電俠」韋德「和退役的」狼王「加內特以及10次的甜瓜」安東尼「。

除了幾位已經退役的老哥，03一代也進入了老年人的階段，長江後浪推前浪，想必詹皇摸著年輕一代的頭，說出」未來是你的「的時候也不遠了。

廢話少說。為了預測今年全明星的陣容，首先，需要搞到各位球星的統計數據。

統計數據來自NBA官網：http://stats.nba.com/，自然，這些數據既包含各位球星大大的常規數據：得分、籃板、助攻、搶斷、蓋帽，也包含球隊的戰績，還包括命中率、正負值、各項數據排名等等。當然，本賽季的數據只能截止到12月底，因此，為了保持一致，需要將其他賽季的統計數據也截止到12月底，最後拿到的是各位球員在當賽季12月底的各項統計數據，共有173項：

AGE, GP, W, L, W_PCT, MIN, FGM, FGA, FG_PCT, FG3M, FG3A, FG3_PCT, FTM, FTA, FT_PCT, OREB, DREB, REB, AST, TOV, STL, BLK, BLKA, PF, PFD, PTS, PLUS_MINUS, NBA_FANTASY_PTS, DD2, TD3, GP_RANK, W_RANK, L_RANK, W_PCT_RANK, MIN_RANK, FGM_RANK, FGA_RANK, FG_PCT_RANK, FG3M_RANK, FG3A_RANK, FG3_PCT_RANK, FTM_RANK, FTA_RANK, FT_PCT_RANK, OREB_RANK, DREB_RANK, REB_RANK, AST_RANK, TOV_RANK, STL_RANK, BLK_RANK, BLKA_RANK, PF_RANK, PFD_RANK, PTS_RANK, PLUS_MINUS_RANK, NBA_FANTASY_PTS_RANK, DD2_RANK, TD3_RANK, PTS_OFF_TOV, PTS_2ND_CHANCE, PTS_FB, PTS_PAINT, OPP_PTS_OFF_TOV, OPP_PTS_2ND_CHANCE, OPP_PTS_FB, OPP_PTS_PAINT, PTS_OFF_TOV_RANK, PTS_2ND_CHANCE_RANK, PTS_FB_RANK, PTS_PAINT_RANK, OPP_PTS_OFF_TOV_RANK, OPP_PTS_2ND_CHANCE_RANK, OPP_PTS_FB_RANK, OPP_PTS_PAINT_RANK, OFF_RATING, DEF_RATING, NET_RATING, AST_PCT, AST_TO, AST_RATIO, OREB_PCT, DREB_PCT, REB_PCT, TM_TOV_PCT, EFG_PCT, TS_PCT, USG_PCT, PACE, PIE, FGM_PG, FGA_PG, OFF_RATING_RANK, DEF_RATING_RANK, NET_RATING_RANK, AST_PCT_RANK, AST_TO_RANK, AST_RATIO_RANK, OREB_PCT_RANK, DREB_PCT_RANK, REB_PCT_RANK, TM_TOV_PCT_RANK, EFG_PCT_RANK, TS_PCT_RANK, USG_PCT_RANK, PACE_RANK, PIE_RANK, FGM_PG_RANK, FGA_PG_RANK, PCT_FGA_2PT, PCT_FGA_3PT, PCT_PTS_2PT, PCT_PTS_2PT_MR, PCT_PTS_3PT, PCT_PTS_FB, PCT_PTS_FT, PCT_PTS_OFF_TOV, PCT_PTS_PAINT, PCT_AST_2PM, PCT_UAST_2PM, PCT_AST_3PM, PCT_UAST_3PM, PCT_AST_FGM, PCT_UAST_FGM, PCT_FGA_2PT_RANK, PCT_FGA_3PT_RANK, PCT_PTS_2PT_RANK, PCT_PTS_2PT_MR_RANK, PCT_PTS_3PT_RANK, PCT_PTS_FB_RANK, PCT_PTS_FT_RANK, PCT_PTS_OFF_TOV_RANK, PCT_PTS_PAINT_RANK, PCT_AST_2PM_RANK, PCT_UAST_2PM_RANK, PCT_AST_3PM_RANK, PCT_UAST_3PM_RANK, PCT_AST_FGM_RANK, PCT_UAST_FGM_RANK, PCT_FGM, PCT_FGA, PCT_FG3M, PCT_FG3A, PCT_FTM, PCT_FTA, PCT_OREB, PCT_DREB, PCT_REB, PCT_AST, PCT_TOV, PCT_STL, PCT_BLK, PCT_BLKA, PCT_PF, PCT_PFD, PCT_PTS, PCT_FGM_RANK, PCT_FGA_RANK, PCT_FG3M_RANK, PCT_FG3A_RANK, PCT_FTM_RANK, PCT_FTA_RANK, PCT_OREB_RANK, PCT_DREB_RANK, PCT_REB_RANK, PCT_AST_RANK, PCT_TOV_RANK, PCT_STL_RANK, PCT_BLK_RANK, PCT_BLKA_RANK, PCT_PF_RANK, PCT_PFD_RANK, PCT_PTS_RANK

至於這些數據具體代表什麼含義，各路大神自有分析，我在這裡就不班門弄斧了。

專業的籃球分析我也搞不懂，這裡主要靠機器學習跟大家忽悠忽悠了。

先看基本的數據統計情況。

數據不會說謊，全明星的平均常規數據和所有球員的平均數據相比，自然是高了一個檔次：

全明星：得分21.1，籃板7.2，蓋帽0.9，籃板4.5，搶斷1.3

全體球員：得分8.1，籃板3.6，蓋帽0.4，籃板1.8，搶斷0.6

在這17個賽季中，12月底前的得分王，只有一位沒有參加全明星，他就是09-10賽季的凱文馬丁，不過由於統計數據只有5場比賽，因此，不算特例。截止目前，NBA的得分王」鬍子哥「詹姆斯哈登，自然是鎖定了一個席位。

事實上，得分榜前10的球員，入選全明星的概率高達78%，而落選球員絕大多數的原因是因為受傷，因此，想必今年截止目前得分榜前十位的哈登、字母哥、詹姆斯、庫里、杜蘭特、考辛斯、奧拉迪波、利拉德、戴維斯和歐文，必然是當選的熱門人選。

然而，我卻並不能完全按照得分榜的順序去預測，比如，今年利拉德也許可能又要為沒有當選全明星，又在全明星賽後」爆發「一陣，畢竟瘋狂的轉會季為西部帶來了更多的全明星競爭者。

那麼，怎麼辦？上機器學習吧！

如果把每個球員當賽季的統計數據當做一條數據，並以是否參加全明星賽作為標記，那麼選全明星的問題可以被定義為：

給定一條球員的數據 ，通過某種方法，得到球員是否參加全明星的標記 ，其中1代表參加，0代表不參加。那麼，這就是一個通常的二分類問題。

而對於這個二分類問題，我所擁有的訓練集為從00-01賽季到16-17賽季所有球員在12月25日前的統計數據，而預測集為當前的17-18賽季所有球員在12月25日前的統計數據。

在解這個問題之前，為了更好地了解這些統計數據，我先用t-SNE將數據進行降維可視化，來觀察全明星與普通球員之間數據分布的差異：

藍色數據是全明星數據，而黃色則是非全明星的數據。可以看到，這應該是一個非線性二分類的問題，而SVM是解決這種問題的常用方法。

因此，在這組數據上，我可以通過訓練一個傳統的SVM分類器，實現對今年數據的預測。

利用現成的SVM工具包，訓練SVM模型並預測後，以下球員被分到了今年全明星組，他們分別是：

西部11位：戴維斯（鵜鶘）、保羅（火箭）、利拉德（開拓者）、考辛斯（鵜鶘）、哈登（火箭）、巴特勒（森林狼）、唐斯（森林狼）、湯普森（勇士）、杜蘭特（勇士）、阿爾德里奇（馬刺）、庫里（勇士）

東部10位：比爾（奇才）、德羅贊（猛龍）、阿德托昆博（雄鹿）、恩比德（76人）、沃爾（奇才）、樂福（騎士）、歐文（凱爾特人）、詹姆斯（騎士）、奧拉迪波（步行者）、波爾津吉斯（尼克斯）

其中，波爾津吉斯、奧拉迪波、恩比德是從未參加過全明星的新人。

當然我很好奇，為什麼SVM會覺得維斯布魯克不是一個全明星候選，不過，今年雷霆的戰績的確不太好，而三巨頭都未入SVM分類器的法眼，自然也解釋的通了。

雖說NBA隨著時間變化，戰術在變，潮流在變，球迷在變，然而選全明星的標準似乎並沒有變化多少，為此，接下來，我來使用K近鄰方法，預測今年的全明星名單。

K近鄰需要尋找已有數據點中，與當前數據點距離最近的K個點，然後按照這K個點的標記，決定最後數據點所屬的類別。換句話說，今年某個球員的數據與某年某全明星大神的數據十分接近，就認為這個球員會當選全明星。

衡量數據是否接近需要使用距離度量，在K近鄰中，最常用的距離度量自然是歐式距離，不過，對這組NBA統計數據直接使用歐式距離，顯然是一個不恰當的選擇。比如，場均得分相差0.5分與命中率相差50%在歐式距離上差距相同，但實際上差異非常大。

因此，在使用K近鄰前，為了使用歐式距離，我嘗試將數據進行了零均值單位方差的歸一化，並令K=1，即採用最近鄰的方法，得到以下球員將入選全明星：

西部13位：格里芬（快船）、考辛斯（鵜鶘）、格林（勇士）、哈登（火箭）、巴特勒（森林狼）、杜蘭特（勇士）、湯普森（勇士）、加索爾（灰熊）、約基奇（掘金）、喬治（雷霆）、米爾薩普（國王）、維斯布魯克（雷霆）、庫里（勇士）

東部13位：德拉蒙德（活塞）、拉塞爾（籃網）、德羅贊（猛龍）、施羅德（老鷹）、阿德托昆博（雄鹿）、沃爾（奇才）、沃克（黃蜂）、樂福（騎士）、米德爾頓（雄鹿）、洛瑞（猛龍）、歐文（凱爾特人）、詹姆斯（騎士）、奧拉迪波（步行者）

最近鄰給出的結果似乎更偏愛入選多年的老面孔，不過約基奇、米德爾頓、奧拉迪波是三個沒有全明星經歷的新人。

那麼，看來，奧拉迪波離開了威少，大有成為全明星的潛質。

最近鄰之後，接下來，我嘗試用樸素貝葉斯的方法，來處理這個分類問題。

樸素貝葉斯假設輸入數據的各個特徵獨立，顯然，NBA給定的統計數據不滿足這個假設，比如得分PTS和得分排名PTS_RANK顯然不是兩組獨立的特徵。

雖然如此，我們仍然可以按照樸素貝葉斯的方法去處理這個問題，在訓練集上訓練一個樸素貝葉斯模型，並預測得到全明星候選為：

西部：維金斯（森林狼）、格里芬（快船）、麥科勒姆（開拓者）、安東尼（雷霆）、保羅（火箭）、卡佩拉（火箭）、利拉德（開拓者）、戈登（火箭）、哈里斯（掘金）、巴恩斯（小牛）、哈登（火箭）、蒂格（森林狼）、巴特勒（森林狼）、努爾基奇（開拓者）、霍樂迪（鵜鶘）、唐斯（森林狼）、阿爾德里奇（馬刺）、杜蘭特（勇士）、湯普森（勇士）、加索爾（灰熊）、威廉姆斯（湖人）、約基奇（掘金）、喬治（雷霆）、米爾薩普（國王）、維斯布魯克（雷霆）、庫里（勇士）、沃倫（太陽）、埃文斯（灰熊）、巴頓（掘金）、蘭多夫（國王）

東部：戈登（魔術）、霍福德（凱爾特人）、德拉蒙德（活塞）、西蒙斯（76人）、比爾（奇才）、德羅贊（猛龍）、施羅德（老鷹）、霍華德（黃蜂）、布萊德索（雄鹿）、富尼耶（魔術）、阿德托昆博（雄鹿）、德拉季奇（熱火）、懷特塞德（熱火）、恩比德（76人）、沃克（黃蜂）、樂福（騎士）、米德爾頓（雄鹿）、歐文（凱爾特人）、詹姆斯（騎士）、波爾津吉斯（尼克斯）、洛瑞（猛龍）、米羅蒂奇（公牛）、武切維奇（魔術）、傑克遜（活塞）、哈達威（尼克斯）、哈里斯（活塞）、奧拉迪波（步行者）

拿到這個結果，說老實話，我是一臉懵逼的，這個與其說是預測結果，真不如說是大候選集，我猜想這跟技術統計數據不滿足獨立性應該是有一點關係的。不過，這也沒什麼關係，畢竟這些球員也是現在聯盟里中上游的球星，萬一誰被選上了，也不那麼稀奇。

另一個可以用來分類的方法是決策樹，決策樹有很多實現方式。這裡，對於我使用的決策樹，採用歸一化或非歸一化的統計數據作為輸入，可以給出以下兩組不同的結果。

歸一化：

西部16位：戴維斯（鵜鶘）、格里芬（快船）、麥科勒姆（開拓者）、安東尼（雷霆）、利拉德（開拓者）、喬丹（快船）、戈登（火箭）、巴恩斯（小牛）、哈登（火箭）、杜蘭特（勇士）、湯普森（勇士）、阿爾德里奇（馬刺）、維斯布魯克（雷霆）、約基奇（掘金）、喬治（雷霆）、埃文斯（灰熊）

東部15位：德拉蒙德（活塞）、西蒙斯（76人）、拉塞爾（籃網）、阿德托昆博（雄鹿）、林書豪（籃網）、恩比德（76人）、沃克（黃蜂）、米德爾頓（雄鹿）、歐文（凱爾特人）、詹姆斯（騎士）、波爾津吉斯（尼克斯）、洛瑞（猛龍）、武切維奇（魔術）、奧拉迪波（步行者）、考文頓（76人）

原始數據：

西部13位：格里芬（快船）、麥科勒姆（開拓者）、安東尼（雷霆）、利拉德（開拓者）、喬丹（快船）、戈登（火箭）、哈登（火箭）、杜蘭特（勇士）、湯普森（勇士）、阿爾德里奇（馬刺）、維斯布魯克（雷霆）、約基奇（掘金）、埃文斯（灰熊）

東部14位：德拉蒙德（活塞）、西蒙斯（76人）、拉塞爾（籃網）、阿德托昆博（雄鹿）、林書豪（籃網）、恩比德（76人）、沃克（黃蜂）、米德爾頓（雄鹿）、歐文（凱爾特人）、詹姆斯（騎士）、波爾津吉斯（尼克斯）、洛瑞（猛龍）、奧拉迪波（步行者）、考文頓（76人）

這個林書豪的入選實在讓我有點大跌眼鏡。莫非這個決策樹演算法也懂得中國市場的重要性？

最後，我選擇用神經網路作為本次預測全明星名單的終點。

神經網路，業界俗稱「煉丹」，是一門神秘的現代魔法師科學。本丹師道行尚淺，這裡只選擇了三種不同的網路結構，僅供參考，「仙丹」無效，概不負責。

對於這三種不同的網路結構，神經網路的輸入又分為原始特徵和歸一化特徵兩組。

先看原始特徵組的三種結構。

第一種，過一個兩層的200-tanh-dropout(0.5)-2-softmax的網路：

西部12位：戴維斯（鵜鶘）、格里芬（快船）、保羅（火箭）、利拉德（開拓者）、考辛斯（鵜鶘）、哈登（火箭）、巴特勒（森林狼）、唐斯（森林狼）、杜蘭特（勇士）、阿爾德里奇（馬刺）、維斯布魯克（雷霆）、庫里（勇士）

東部10位：比爾（奇才）、德羅贊（猛龍）、阿德托昆博（雄鹿）、恩比德（76人）、沃爾（奇才）、樂福（騎士）、波爾津吉斯（尼克斯）、歐文（凱爾特人）、詹姆斯（騎士）、奧拉迪波（步行者）

第二種，將球隊ID作為一個Embedding特徵，變成網路輸入的一部分：

西部13位：戴維斯（鵜鶘）、格里芬（快船）、保羅（火箭）、利拉德（開拓者）、考辛斯（鵜鶘）、哈登（火箭）、巴特勒（森林狼）、唐斯（森林狼）、杜蘭特（勇士）、阿爾德里奇（馬刺）、約基奇（掘金）、維斯布魯克（雷霆）、庫里（勇士）

東部10位：比爾（奇才）、德羅贊（猛龍）、阿德托昆博（雄鹿）、恩比德（76人）、沃爾（奇才）、樂福（騎士）、波爾津吉斯（尼克斯）、歐文（凱爾特人）、詹姆斯（騎士）、奧拉迪波（步行者）

第三種，將球隊ID和球員ID都作為Embedding特徵，變成網路輸入的一部分，與第一種相比沒有變化：

西部12位：戴維斯（鵜鶘）、格里芬（快船）、保羅（火箭）、利拉德（開拓者）、考辛斯（鵜鶘）、哈登（火箭）、巴特勒（森林狼）、唐斯（森林狼）、杜蘭特（勇士）、阿爾德里奇（馬刺）、維斯布魯克（雷霆）、庫里（勇士）

東部10位：比爾（奇才）、德羅贊（猛龍）、阿德托昆博（雄鹿）、恩比德（76人）、沃爾（奇才）、樂福（騎士）、波爾津吉斯（尼克斯）、歐文（凱爾特人）、詹姆斯（騎士）、奧拉迪波（步行者）

使用原始特徵，三種結構的差異並不大，不過，看起來還算靠譜。

再看使用歸一化特徵的結果：

第一種結構：

西部10位：戴維斯（鵜鶘）、利拉德（開拓者）、考辛斯（鵜鶘）、哈登（火箭）、巴特勒（森林狼）、唐斯（森林狼）、杜蘭特（勇士）、阿爾德里奇（馬刺）、維斯布魯克（雷霆）、庫里（勇士）

東部12位：霍福德（凱爾特人）、西蒙斯（76人）、比爾（奇才）、德羅贊（猛龍）、阿德托昆博（雄鹿）、恩比德（76人）、沃爾（奇才）、樂福（騎士）、波爾津吉斯（尼克斯）、歐文（凱爾特人）、詹姆斯（騎士）、奧拉迪波（步行者）

第二種結構，加進球隊ID的Embedding：

西部12位：戴維斯（鵜鶘）、利拉德（開拓者）、保羅（火箭）、考辛斯（鵜鶘）、哈登（火箭）、巴特勒（森林狼）、唐斯（森林狼）、杜蘭特（勇士）、阿爾德里奇（馬刺）、維斯布魯克（雷霆）、庫里（勇士）、喬治（雷霆）

東部11位：德拉蒙德（活塞）、比爾（奇才）、德羅贊（猛龍）、阿德托昆博（雄鹿）、恩比德（76人）、沃爾（奇才）、樂福（騎士）、波爾津吉斯（尼克斯）、歐文（凱爾特人）、詹姆斯（騎士）、奧拉迪波（步行者）

相對於第一種，保羅和德拉蒙德應該受益於當前球隊戰績較好，入圍了最終的結果。

第三種結構，再加進球員ID的Embedding：

西部14位：戴維斯（鵜鶘）、利拉德（開拓者）、格里芬（快船）、安東尼（雷霆）、保羅（火箭）、考辛斯（鵜鶘）、哈登（火箭）、巴特勒（森林狼）、唐斯（森林狼）、杜蘭特（勇士）、阿爾德里奇（馬刺）、維斯布魯克（雷霆）、庫里（勇士）、喬治（雷霆）

東部14位：德拉蒙德（活塞）、西蒙斯（76人）、比爾（奇才）、塔圖姆（黃蜂）、德羅贊（猛龍）、阿德托昆博（雄鹿）、恩比德（76人）、洛瑞（猛龍）、沃爾（奇才）、樂福（騎士）、波爾津吉斯（尼克斯）、歐文（凱爾特人）、詹姆斯（騎士）、奧拉迪波（步行者）

在加進球員ID後，幾個比較常入選的，包括格里芬和安東尼，被判斷為可以入選全明星的球員，這也符合我們的預期。

綜合以上結果，按照預測出現的次數進行投票，我可以大膽猜測，今年能進全明星的名單如下：

西部12位：哈登、庫里、杜蘭特（11，全中）、阿爾德里奇、利拉德、維斯布魯克（10）、巴特勒（9）、唐斯、考辛斯、戴維斯（8）、格里芬、保羅（7）

東部12位：歐文、詹姆斯、阿德托昆博、奧拉迪波（11，全中）、波爾津吉斯、恩比德（10）、樂福、德羅贊（9）、比爾、沃爾（8）、德拉蒙德（6）、洛瑞（5）

當然，以上分析純屬娛樂，各位看完可以一笑了之。

推薦閱讀：