各種攻擊指數的觀念和算法(一)
發信人: benda@cis_nctu (女兒的大玩偶), 信區: 'TML'
標 題: 各種攻擊指數的觀念和算法(一)
發信站: 交大資科_BBS (Wed Nov 13 17:29:55 2002)
來 源: 221.119.30.61.isp.tfn.net.tw
Who's the best？誰是最好的？
這個問題其實經常是為人津津樂道的話題，彭政閔和陳文賓誰是今年中華職棒聯盟最好
的打者？謝佳賢和米西亞誰才是台灣職棒大聯盟最好的打者？這些的問題的解答當然就
只好從他們的棒球數據中去比較，只有數據才能說服人，只有數據才能說明一切。
棒球的攻擊數據比起其他運動例如籃球方面是要簡單多了，主要原因是因為它很單純，
是一個一個個別獨立的 play 組合而成的，不管你前面的打者打擊內容是什麼，只要輪到
你打擊，就是一個全新的 play ，你如果在籃球場上有一位很會得分的隊友，那麼你得分
的數據就會遭到壓縮，因為你的出手次數會相對減低，但是你有一位會打全壘打的隊友
，這並不會影響你打全壘打的機率。這是棒球數據的獨立性和有趣的地方。
But, How？怎麼去看數據？怎麼去判斷？
以下是我以前就很想寫的東西，介紹美國現在一些攻擊指數的算法，當然，藉此可以明
瞭美國人對於棒球數據的觀念和他們的價值觀，唯有建立正確的觀念和價值觀，才能夠
真正明瞭到一個棒球打者應該追求的是什麼，應該是怎麼樣的打者才是一個正確的好打
者。
在開始之前先介紹一個名詞：Sabermetrics，什麼是 Sabermetrics？簡單來說，就是
用科學化和系統化來對於棒球數據作研究，利用大量數據和各種數值分析的方法對棒球
數據作分析，這種概念和數據稱為 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)
這個名詞也應該是對於棒球數據的正確態度和觀念。
以下每個數字其實都個別還有很大的討論空間，我只是簡略說明。
1. TA，Total Average
這個數據對於台灣比較用功的棒球迷來說，應該是不陌生的，因為這是中華職棒聯盟目
前採用的攻擊指數的算法。它是 Thomas Boswell 在一九八一年，在他的書中"How Life
Imitates the World Series."提到的攻擊數據的算法。
這個數據的觀念其實很簡單，就是 （Total bases Gained）／（Total batters cost）
，中文的解釋方法也就是打者得到的壘包數除以打者使出局的次數，算法是：
[TB+SB+BB+HBP-CS] / [AB-H+CS+GIDP]
中文就是
「壘打數＋四壞球＋觸身球＋盜壘成功－盜壘失敗」除以「打數－安打數＋雙殺
打＋盜壘失敗」
當然，有一些近似的算法我們也可以歸在這裡面，重點是觀念。在這個數據中，我們
可以看到作者的觀念就是他認為打者一次使出局的次數中，能夠獲得的壘包數越多的
打者，他認為是越好的打者。
當然，乍聽之下好像是很合理的，但是我個人並不認為這是很好的攻擊數據的算法。
第一，一支一壘安打和一次保送在他的數據中，功用是一樣的，但是在棒球實際世界
中，其實功用是有一段差距，棒球的攻擊包含上壘和推進壘包兩部分，一壘安打的功
用是不但可以自己上壘，也可以幫助隊友推進一個壘包，但是保送就沒有推進壘包的
功用了（除非強迫進壘狀態），這種上壘和推進壘包功能不分的情形讓它這數據失色
不少，第二，我個人覺得以出局數作為數據的分母並不恰當，缺乏邏輯可解釋的地方
，很難去解釋的通。不過，我覺得這數據另外它有一項有很好的地方，也就是它把跑
者的價值也列進去了（盜壘的部分），有些其他的攻擊指數比較偏重在打擊的部分，
但是整體而言，我仍然覺得這數據有缺陷。
基於以上的原因，所以我個人並不太覺得這數據是很好的數據，當然，還是有人用就
是了。
2. OPS，Onbase Plus Slugging
Pete Palmer（這個人還需要介紹嗎？）所創立的數據，也是目前很多人最常用簡單的數
據，它的算法非常簡單，也就是長打率 SLG 加上上壘率 OBP 就成為OPS。
這個數據的邏輯就比上面的 TA 清楚許多，棒球的攻擊包含上壘和推進壘包兩部分，
而上壘這部份的價值就用上壘率來代表，推進壘包的能力就用長打率來代表，而一位
打者的攻擊能力就可以很簡單的用兩者的相加來代表。
這數值的優點就是簡單容易，而且邏輯很清楚，但是由於在很多的面向太過簡單，而
且還不夠精細，使得它只能是很初步的判斷打者的優劣。
它是很好用且被常被用的棒球攻擊數據，但是嚴格來說，不夠精細。
美國大聯盟官方網站中的打擊數據中也把 OPS 這數值列入。
3. RC，Run Created
這是由 Bill James（此人被譽為是 Sabermetrics 之父）所創立的攻擊指數計算的系統，
路上隨便抓一個美國大聯盟的球迷可能也都知道這數字，這個數字字面上的意義就是
製造分數的多寡，邏輯和上面的 OPS 有點相似卻又不同，它最初的版本算法是：
RC= OBP*TB，也幾乎等於是上壘壘包數乘壘打數除以打席數
很簡單的觀念：Get on base, then move the runners around，上壘後用壘打數打回分數。
事實上這種最初的版本有著還不錯的準確度，可以近似去求得一支球隊的總得分，但
是仍不夠精細，後來陸陸續續有了其他版本出現，據我所知是有二十四種修正版本，
目前最新的版本我不確定，底下是我知道的版本。
RC = A * B / C（和初版概念很接近，上壘乘以壘打除以打席，只是做了數值修正）
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價值也考慮進去，同時也做了更精細的數值修正。
事實上，要驗證上面的所謂 Run Created 的公式，最佳的方法是把一支球隊的各種
數值帶進去，去求得這支球隊的攻擊數據下的得分期望值，再和球隊的總得分去比
較差異程度，這在美國已經是近似很準確的公式了，不過如果要用在台灣，可能也要
有一些數值的修正。
同樣地，由於這數字可以近似準確預估球隊得分的期望值，假設它是正確的，所以亦
可以用來計算一個球員〔為球隊製造的分數〕，一個球員的 Run Created 的數值就
是把一個球員的各項數字代入上述公式中，就可以判斷這個球員為球隊帶來多少分數
，能帶來越多分數的打者，理論上自然是越好的打者。
此外，為了平均化一個打者的 RC 值，也有平均的數值產生，也就是常見的 RC/27 或是
RC/ 25，公式如下：
RC/27 = RC / O * 27 （RC/25 就是數字變成25）
O = AB - H + CS + GIDP + SH + SF
也就是這位球員出局二十七次（一場九局的比賽）或二十五次（一場比賽經常打不到
九局下半結束，所以實際上平均一場比賽大約只有二十五出局數）所能製造的分數，
用白話一點，也就是當全隊打者都是這位打者時，一場比賽能打下多少分數。
雖然嚴格來說，這數字還有些小瑕疵，高上壘率的打者會有一些比較高估的情形發生
，但是整體而言，這是相當好的攻擊數據的計算方式。
以下待續，if possible...
--
* Origin: ★ 交通大學資訊科學系 BBS ★ <bbs.cis.nctu.edu.tw: 140.113.23.3>
--
※ 發信站: 批踢踢實業坊(ptt.csie.ntu.edu.tw)
◆ From: 210.202.193.29
Cobras 近期熱門文章
PTT體育區 即時熱門文章
-30
59
16
30
