Fanpost.

MVP.击球手

在后来的一个章节中MVP.机器,作者描述了在“分析倾向的”棒球网站上未命名的位置球员和作家之间的工作关系。球员觉得他的俱乐部的高级侦察数据不够粒度,并要求作者补充他俱乐部给出的信息的信息。作者最终对球员的侦察报告表演了自己,反对投手以及家用板裁判员的罢工区。在评估他自己的表现方面,作者总结了球员基本上看着三件事:“我正在平安球吗?我摇摆并失踪了吗?我在罢工中摇摆吗?”

在本赛季中的第一个月,谁将根据这次特定的球员的标准是联盟中的一些最好的争执?感谢STATCAST,我们可以随时尝试弄清楚。我用于本练习的数据集是截至2021年4月30日早晨的所有合格的竞争对手。

首先,我们需要决定用于代表玩家提出的三个问题中的每一个的参数。三个中的两个很容易。 “我摇摆着失踪了吗?”我们可以在STACCAST上查找玩家的巨大百分比。 “我在罢工中摇摆吗?”该信息以玩家的追逐百分比表示。 “我正在平衡球吗?”如果我们只使用一个数字,那么这里的自然候选者是:平均出口速度,硬点百分比和桶百分比。我决定使用平均的出口速度,因为它考虑了每个击球击中的每个击球球。让我解释。

硬点百分比 - 定义为具有95mph或更硬的出口速度的球击中的百分比 - 是二进制的。如果一个面糊在96mph的球场上播放6个球,而且在94英里/小时的4个球中,他的硬点百分比将是60%。同样,如果击球手在96英里/小时的比赛中放入6个球,并且4个球将蝙蝠留在85英里/小时,他的硬点百分比将是相同的60%,即使第一面糊更加一致的硬接触。桶百分比具有相同的二进制问题,我无法在STATCAST上找到任何“完美组合”的出口速度和发射角度。

现在我们有三个参数 - 平均出口速度,追逐百分比,致法百分比 - 我标准化所有三个在0到1之间变化,使用公式:

x_normalized =(x_true_value - dataset_min)/(dataset_max - dataset_min)

X_TRUE_VALUE是参数的实际值,DATASET_MAX是数据集中该参数的最高值,而DATASET_MIN是数据集中的最低值。让我们来看看一个例子。 Shohei Ohtani的平均出口速度 - 截至4月30日的早晨 - 是91.1英里/小时。数据集中的最高平均出口速度为98.7mph,最低81.6mph。然后,Ohtani的归一化平均出口速度是:

(91.1 - 81.6)/(98.7 - 81.6)= 0.5555

最后,我计算了归一化参数的不同权重的加权平均值。对于归一化的平均出口速度,“更好”的数量越高,追逐和粗大的评估者,标准化值越高,“更糟糕”。要考虑此目的,我实际上将相应的权重乘以(1 - normalized_whiff_rate)和(1-normalized_chase_rate)。让我们称之为最终输出“MVP值”。

基本情况

mvp =(1/3)* rancorized_exit_velocity +(1/3)*(1 - randalized_chase_rate)+(1/3)*(1-normalized_whiff_rate)

首先,我将相同的权重分配给退出速度,光线速率和追逐速率。如果您愿意,这是一个“基线”运行。前10名如下(请原谅一些舍入错误):

norm_ev. norm_oz_swing. NORM_WHIGE. MVP.
Acuna Jr. 罗纳德 0.7895 0.1196 0.3357 0.7781
法官 亚伦 0.9298 0.3528 0.5221 0.6850
Lowrie. 杰德 0.5673 0.2025 0.3450 0.6733
犹他州 汤米 0.5497 0.0890 0.4499 0.6703
稻草 迈尔斯 0.2749 0.0798 0.1865 0.6695
史密斯 将要 0.5205 0.2393 0.2914 0.6633
鳟鱼 麦克风 0.6784 0.2086 0.4802 0.6632
车工 贾斯汀 0.5263 0.1933 0.3543 0.6596
lemahieu DJ. 0.4503 0.1748 0.3007 0.6582
拉姆里斯 何塞 0.5965 0.4080 0.2284 0.6534
礼貌MLB STATCAST.

罗纳德Acuna JR.今年到目前为止在盘子上壮观,他是在这一版的制作公制的其他人之上的头部和肩部。否则,我们看到了很多玩家,赛季早些时候一直撕掉了球的掩饰。除了Acuna,这将包括Mike Trout,Aaron法官,贾斯汀特纳,何塞拉里斯等。

它变得有趣的是,我们有两个带有Sub-70 WRC +的人:Tommy Pham和Myles稻草。让我们依次来看看每个人。

我不会撒谎,我不得不抬头看谁是稻草是。他的外表在提供15.3%的追逐率(2021年的MLB平均值为28.4%)和13.4%的飞行费率(MLB平均24.4%)。遗憾的是,他的86英里/每电话退出速度与6.1发射角度导致了.325xslg,符合他简短的主要联赛职业。除非稻草可以开始更加努力,否则他的精英接触能力和板块纪律不会让他留在大联盟中。

另一方面,Tommy Pham即将在此处前往热门条纹。潜在的指标在董事会上是坚实的,他到目前为止刚刚不幸。平均出口速度为91.6英里/小时,而PHAM的WOBA坐在.256,而不是.380 Xwoba。同样,与.483 XSLG相比,PHAM是沉积的.203,A 280(!!)点差异。

让我们将归一化值的重量更改一下。也许我们想强调没有追逐,留在打击区内。我们将在归一化的追逐率上撞到重量至50%,并降低出口速度的重量和25%的速度。

没有追逐

mvp =(1/4)* rancorized_exit_velocity +(1/2)*(1 - randalized_chase_rate)+(1/4)*(1-normalized_whiff_rate)

norm_ev. norm_oz_swing. NORM_WHIGE. MVP.
Acuna Jr. 罗纳德 0.7895 0.1196 0.3357 0.8036
稻草 迈尔斯 0.2749 0.0798 0.1865 0.7322
犹他州 汤米 0.5497 0.0890 0.4499 0.7305
曼迪 最大限度 0.3567 0.0000 0.5175 0.7098
Lowrie. 杰德 0.5673 0.2025 0.3450 0.7043
lemahieu DJ. 0.4503 0.1748 0.3007 0.7000
车工 贾斯汀 0.5263 0.1933 0.3543 0.6964
鳟鱼 麦克风 0.6784 0.2086 0.4802 0.6953
史密斯 将要 0.5205 0.2393 0.2914 0.6876
格罗斯曼 罗比 0.3216 0.1012 0.3846 0.6836
礼貌MLB STATCAST.

我们从上表中看到了很多相同的名字。 jed lowrie是一个艰难的运气的另一个接受者。他的平均出口速度在他的职业生涯中第一次超过90英里/小时,但他的折叠百分比坐在.406与.546 xslg相比。

最大限度 Muncy是两个玩家之一,在此表中没有在基础盒中的前10个之后进行外观。自2016年以来,他的平均出口速度为86.8英里/小时以来的最低水平,他的49.2%的地面球率为自2016年以来的最高水平。然而,即使他可能在不久的将来“加热”,因为他的.365 SLG与.460xslg建议。曼丘的追逐率为11.9%是专业中最低的,是他的24.1%步行率和基本百分比上的主要贡献者。不需要按,最大值。

让我们做一个迭代,这次强调硬接触;在归一化的出口速度下,这种迭代的重量将是50%,分别对呼吸速率和追逐速率分别为25%。

击中它 - 硬 - 某处

mvp =(1/2)* rancorized_exit_velocity +(1/4)*(1 - randalized_chase_rate)+(1/4)*(1-normalized_whiff_rate)

norm_ev. norm_oz_swing. NORM_WHIGE. MVP.
Acuna Jr. 罗纳德 0.7895 0.1196 0.3357 0.7809
法官 亚伦 0.9298 0.3528 0.5221 0.7462
阿隆索 皮特 0.9415 0.5828 0.5828 0.6794
鳟鱼 麦克风 0.6784 0.2086 0.4802 0.6670
斯坦顿 Giancarlo. 1.0000 0.5583 0.7902 0.6629
Guerrero Jr. 弗拉基米尔 0.7485 0.2515 0.6131 0.6581
Lowrie. 杰德 0.5673 0.2025 0.3450 0.6468
弗里曼 弗雷迪 0.6608 0.3313 0.4126 0.6444
犹他州 汤米 0.5497 0.0890 0.4499 0.6401
拉姆里斯 何塞 0.5965 0.4080 0.2284 0.6391
礼貌MLB STATCAST.

这将是3英尺的3英尺,用于罗纳德Acuna Jr.作为顶级狗。除他外,一些棒球最强大的Spruggers在列表中出现了外观。我想触摸其中的两个,Pete Alonso和Giancarlo Stanton。

皮特 Alonso的平均出口速度在2019年和2020年的大约91mph的2021中跃升至97.3英里/小时。他在该区域做得更多伤害 - 他的飞口和追逐率符合他的职业平均水平,但他的区域秋千率跃升了10% 2019/2020年中期至多60年代,到目前为止在2021年的75.8%。alonso在该区域中的更多地摆动,并在该区域进行更多联系;他的区域联系率在85%的职业生涯中。这是成功和STATCAST的谱条似乎同意; Alonso正在体育健康.500 SLG,但他的XSLG是在.597。

Giancarlo. Stanton像任何人一样努力地击球,但地平线可能会有麻烦。 Stanton目前拥有他的职业生涯的最低区接触百分比,自2016年以来首次出现30%+追逐率,自2015年以来的最高百分比。此外,他已经摧毁了今年的四个煤球​​运动员,拥有XSLG 0.773对抗球场。看着打破球和脱速的东西,他的XSLG对抗滑块是.438,反对曲线球,它是.515,并反对改变.224。到目前为止,斯坦顿一直在看到大约60%的快球。看看他是否开始看到更多的突破球将越来越多地看到,最终越来越靠近Fastballs的50-50分裂。

除了学习罗纳德acuna jr.是一个外星人,看着三个潜在的“MVP”指标相结合似乎是一个良好的起点,可以深入挖掘球员的攻击性概况。调整各个参数上的权重强调面糊的不同技能,并允许我们识别一些表面统计数据的回归或改进的候选者。