AI田径成绩分析仪
AI田径成绩分析仪
NFL版
2022-2023 NFL 赛季正式开始！球员新鲜且锁定，梦幻足球名册已设置，分析师预测主观结果，尾随供应准备好，通过一些有趣的赌注赚钱（或损失）。一年中的这个时候没有什么比这更好的了。作为 IBM 客户工程团队的新任数据科学家，我想增加一些数据科学、机器学习和人工智能的乐趣。利用 IBM 技术 Cloud Pak for Data 和 20 年的 NFL 数据，我创建了一种不同的方法来分析所有 32 支 NFL 球队的比赛表现！
在即将到来的 NFL 赛季的每一周，每场比赛都将输入 AI 性能分析器 (APA)。 APA 将分析球队的表现（大部分进攻数据），并确定他们是否在统计上打出了稳定的比赛以赢得比赛，尽管实际结果如此。两支球队的表现将分别提供给 APA，关键信息未知，球队和得分。
AI 田径性能分析器未知的团队和得分。
为什么APA看不到你问的团队？如果 APA 知道每支球队，那么它只会将球队与自己进行比较，而不是与整个 NFL 进行比较。例如，将根据 20 年的 Saints 比赛成绩而不是整个 20 年的 NFL 比赛成绩来衡量 Saints 比赛的表现。虽然，APA 与团队一起学习游戏表现将是另一天的一个很好的分析。
分数也不详？是的，它不为人知，这是我回顾并第四次展示 APA 的游戏统计数据。我们都知道比分最终决定了比赛，但它真的能说明很多表现吗？静态得分低的比赛可能是好的比赛表现，但得分低的原因可能是 80 码开球以射门得分结束。我相信高分比赛可能会影响APA将低分比赛标记为损失的低分比赛。做出非常艰难的决定，但今年的分数将是未知的，但在下一次迭代中，分数可能会出现。
APA 消耗的游戏性能统计数据
第一次向下，第三次向下转换，第四次向下转换，传球码，冲球码，总码数，完成百分比，麻袋（允许），冲球尝试，失误（进攻），拦截（进攻），点球，红区转换，驱动器，防守/特殊球队触地得分，控球时间（分钟），罚球码，麻袋码。
我们希望 APA 在每场比赛中只查看每支球队的上述统计数据，以获得更好的结果和对比赛表现的评估。每支球队的 APA 结果将被公布，然后与他们的对手进行比较，以进行艰难的比赛分析。
艰难的博弈分析 (TGA)
每场比赛的 APA 结果将在艰难的比赛分析中进行测试，比较实际的比赛结果。艰难的比赛分析将通过以下方式使用 APA 结果从每支球队的角度在每场比赛中进行标记和评分。
顶级结果
艰难的游戏 - APA结果显示对手的比赛表现足以赢得比赛。
简易游戏 - APA结果显示对手的比赛表现不足以赢得比赛。
深度结果（实际游戏结果与 APA 结果）
TGA 深入分析着眼于实际结果和 APA，对它们进行标记并在难度级别上评分。
我期待看到真正有趣的结果，例如 APA 显示两支球队都赢、两支球队都输的比赛，或者相反的结果，球队显示赢但输了，而他们的对手显示输但当然赢了。
难度分数
TGA 的难度分数将用于在每周结束时对每个人进行排名。这些分数将在整个赛季中累积，揭示哪支球队打得最艰难，哪支球队走得轻松。
接下来
每周发布分享并按团队、游戏和会议细分结果。我还将就人工智能是否正确提出我的想法和意见。欢迎公开讨论。
AI田径性能分析器的创建（技术写作）
使用更多 IBM 技术改进结果和分析。 IBM Watson 的 Openscale、AutoAi 和 Cognos。
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明
