グラフ ニューラル ネットワークを使用した NBA プレーヤーの化学反応の予測

皆さんこんにちは、私の名前はsea_turt1eです。

この記事では、私が大好きなスポーツであるナショナル バスケットボール リーグ (NBA) の選手の相性を予測するための機械学習モデルを構築するプロセスと結果を共有します。

概要

• グラフ ニューラル ネットワーク (GNN) を使用してプレーヤーの相性を予測します。
• 曲線下面積 (AUC) が評価指標として使用されます。
• 収束時の AUC は約 0.73 です。
• トレーニングデータは1996-97シーズンから2021-22シーズンまでをカバーしており、テストには2022-23シーズンのデータが使用されています。

注: NBA について

NBA に詳しくない読者にとって、この記事の一部は理解しにくいかもしれません。 「化学反応」をより直感的に理解できます。さらに、この記事は NBA に焦点を当てていますが、この方法は他のスポーツや対人関係の予測にも適用できます。

化学反応予測結果

まず予測結果を見てみましょう。データセットと技術的な詳細については後ほど詳しく説明します。

辺と分数の説明

化学反応予測では、赤いエッジは良好な化学反応を示し、黒いエッジは中程度の化学反応を示し、青いエッジは悪い化学反応を示します。

横の分数は化学反応スコアを 0 から 1 の範囲で表します。

スター選手の化学予想

こちらはスター選手の相性予想です。グラフには、同じチームでプレーしたことのないプレーヤーのペアのみが含まれています。

一緒にプレーしたことのないスター選手の予想を見ると、結果が必ずしも直感的であるとは限りません。

例えば、レブロン・ジェームズとステフィン・カリーはオリンピックで素晴らしい連携を見せ、相性の良さを示しました。一方で、ニコラ・ヨキッチは意外にも他の選手との相性が悪いと予想されている。

2022-23シーズンの主要トレードの化学予測

予測を現実に近づけるために、2022-23シーズンの実際のトレードで選手間の相性をテストしました。

2022-23 シーズンのデータはトレーニング データに含まれていないため、現実的な印象と一致する予測はモデルの有効性を示すことができます。

2022-23シーズンにはいくつかの重要なトレードが行われます。

ケビン・デュラント、カイリー・アービング、八村塁などの主要選手の予想はこちら。

彼らの新しいチームの化学的予測は次のとおりです:

• レイカーズ: 八村塁 – レブロン・ジェームス (レッドエッジ: 良い相性)
• サンズ: ケビン・デュラント – クリス・ポール (ブラックサイド: 中程度の化学反応)
• マーベリックス: カイリー・アービング – ルカ・ドンチッチ (青い面: 相性が悪い)

これらの結果は、2022-23 シーズンの動向を考慮するとかなり正確であるようです。 (ただし、翌シーズンのサンズとマーベリックスでは状況が変わりました。)

技術的な詳細

次に、GNN フレームワークやデータセットの準備などの技術的な側面について説明します。

GNN とは何ですか?

GNN (Graph Neural Network) は、グラフ構造のデータを処理するために設計されたネットワークです。

このモデルでは、「プレイヤー間の化学反応」がグラフのエッジとして表現され、学習プロセスは次のようになります。

• ダイレクトサイド: アシスト数が多いプレーヤーのペア。
• ネガティブサイド: アシスト数が少ないプレーヤーのペア。

ネガティブエッジの場合、モデルは「アシストの少ないチームメイト」を優先し、「異なるチームの選手」の影響力を弱めます。

AUCとは何ですか?

AUC (曲線下面積) は ROC 曲線の下の面積を指し、モデルのパフォーマンスを評価するための指標として使用されます。

AUC が 1 に近いほど、精度が高くなります。この研究では、モデルの AUC は約 0.73 で、平均より中程度から上の結果でした。

学習曲線と AUC の進捗

以下は、トレーニング プロセス中の学習曲線と AUC の進行状況です。

データセット

主な革新はデータセットの構築にあります。

相性を数値化すると、「高いアシスト」は良い相性を意味すると思います。この仮定に基づいて、データセットは次のように構造化されます:

• 良い面: アシスト数が多い選手。
• マイナス面: アシストの少ない選手。

さらに、アシスト数が少ないチームメイトは明らかに相性が悪いとみなされます。

コードの詳細

すべてのコードは GitHub で入手できます。

README の指示に従って、トレーニング プロセスを再現し、ここで説明されているグラフをプロットできるはずです。

//m.sbmmt.com/link/867079fcaff2dfddeb29ca1f27853ef7

今後の展望

まだ改善の余地があり、次の目標を達成する予定です:

1. 化学反応の定義を拡張してください
   • プレイヤーの関係性をより正確に把握するために、アシスト以外の要素を組み込んでください。
2. 精度の向上
   • より良いトレーニング方法と拡張されたデータセットを通じて AUC を改善します。
3. 統合された自然言語処理
   • 選手のインタビューやソーシャルメディアの投稿を分析して、新たな視点を追加します。
4. 英語で記事を書く
   • 世界中の幅広い視聴者にリーチできるよう、コンテンツを英語で公開します。
5. グラフ視覚化のための GUI の開発
   • ユーザーがプレイヤーの化学反応をインタラクティブに探索できる Web アプリケーションを作成します。

結論

この記事では、NBA プレーヤーの相性を予測する私の試みについて説明します。

このモデルはまだ開発中ですが、さらなる改良を加えてよりエキサイティングな結果を達成したいと考えています。

ご意見やご提案をコメント欄に残していただければ幸いです。

さらに改善が必要な場合は、お知らせください。

以上がグラフ ニューラル ネットワークを使用した NBA プレーヤーの化学反応の予測の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。