サーブの制球力を定量的に評価してみよう（テニスのはなし）

Transcript

1. Sports Analyst Meetup #8 サーブの制球力を定量的に評価してみよう （テニスのはなし）
2. | 自己紹介 普段の仕事 データ分析とは無関係 → 分析は趣味 やっぱりデータサイエンスと関わりたいから転活する スポーツとの関わり アーチェリーをやってた（ライフル射撃も一瞬） テニスは見る専 動いてるものを捉える能力がゴミなので球技全般が無理
3. | クエスチョン Q. サーブのコントロールが良い or 悪いってどういうこと？
4. | クエスチョン Q. サーブのコントロールが良い or 悪いってどういうこと？ A. コート内にちゃんと収められていて、かつ、 ライン際に集められているか否か
5. | 良いと感じるコントロールの実例 錦織（左）とフェデラー（右）の1stサーブ着弾点の比較 テニスは中継の合間にこういう画像がよく出てきます たしかに、錦織よりフェデラーのほうがコントロールが良さそう 画像出所:https://twitter.com/MattRacquet/status/1148989513290661893i
6. | 良いと感じるコントロールの実例 錦織（左）とフェデラー（右）の1stサーブ着弾点の比較 テニスは中継の合間にこういう画像がよく出てきます たしかに、錦織よりフェデラーのほうがコントロールが良さそう 「そんな気がする」以上の根拠は？
7. | ライン際は技術的にはすごくても… • ライン際に集めることはポイントを獲得するうえで重要？ • 重要だとしてどのラインからの距離も等価（A, B, C, Dの価値は全部同じ）？ A B C D 狙う意味があるところを狙って打ててこそ 価値があるコントロール能力 画像出所:TennisTV
8. | クエスチョン三度 Q. サーブのコントロールが良い or 悪いってどういうこと？ A. コート内にちゃんと収められていて、かつ、 ライン際に集められているか否か よりサーバー側が有利になる場所にボールを集められているか
9. サーバー側が有利 ↓ サービスポイントが獲りやすい どこに着弾すれば「ポイントが獲れる」と予測され、 どこに着弾すれば「ポイントが獲れない」と予測されるのか
10. | データを集める ATP公式サイトに試合ごとの着弾点が載っているのでスクレイピング → 2019年で全525試合、11万3,588球分あった パッと見は画像だけど 座標がデータ（SVGタグ）に なってる Seleniumが難しかった……
11. | 狙う意味がある場所を探す 集めたデータを散布図にする • 左右は重要そう
12. | 狙う意味がある場所を探す 集めたデータを散布図にする • 左右は重要そう • 左右の有効ゾーンは斜めっぽい？
13. | 狙う意味がある場所を探す 集めたデータを散布図にする • 左右は重要そう • 左右の有効ゾーンは斜めっぽい？ • 深さはあまり効いていない
14. | 狙う意味がある場所を探す 集めたデータを散布図にする • 左右は重要そう • 左右の有効ゾーンは斜めっぽい？ • 深さはあまり効いていない • ｢良い2nd＝深い」というのが通説だが、
15. | 狙う意味がある場所を探す 集めたデータを散布図にする • 左右は重要そう • 左右の有効ゾーンは斜めっぽい？ • 深さはあまり効いていない • ｢良い2nd＝深い」というのが通説だが、 どこが有効とは言いにくい
16. | 1stサーブで狙う意味がありそうな場所 重要度は高いけれど真っ直ぐではなさそう
17. | 1stサーブで狙う意味がありそうな場所 実は重要度が低そう 重要度は高いけれど真っ直ぐではなさそう
18. | 予測モデリング • 分類器はサポートベクターマシン • 1st、右対右、ハードコートに限定 • コートの材質によってバウンド時の減速・跳ね方が違う • 右打ち左打ちで回転方向と伸ばす腕が違う • 特徴量はX座標とY座標のみ コントロールの話だし、そもそも1球ごとの球速や回転のデータがない • 交差検証にはサーバーをグループとするGroupKFoldを採用 フェデラーのサーブで学習し、フェデラーの別のサーブを予測しても… 錦織のサーブで学習してジョコビッチのサーブ結果を当てられてこそのモデル 2次元上の2値の分類問題 → 境界決定線を可視化すれば狙うべき場所がわかる
19. | 予測結果 • ボディの有効ゾーンなし • センターよりワイドの方が厚い • センターは深い方が良い • ワイドは浅すぎると逆効果 • ボディの有効ゾーンなし • ワイドもセンターも同じくらいの幅 • ワイドは浅いほど、センターは深いほ ど有効 Adコート Deuceコート
20. | 予測結果
21. | 予測結果の解釈 遠いけど 腕を伸ばしやすい 近いけど 腕を伸ばしにくい 近くて 腕を伸ばしやすい 遠くて 腕を伸ばしにくい
22. | 予測結果の解釈 遠いけど 腕を伸ばしやすい 近いけど 腕を伸ばしにくい 近くて 腕を伸ばしやすい 遠くて 腕を伸ばしにくい リターナーから 遠ざかる方向に 回転がかからない リターナーから 遠ざかる方向に 回転がかかる
23. | 予測結果の解釈 遠いけど 腕を伸ばしやすい 近いけど 腕を伸ばしにくい 近くて 腕を伸ばしやすい 遠くて 腕を伸ばしにくい リターナーから 遠ざかる方向に 回転がかからない リターナーから 遠ざかる方向に 回転がかかる サーブとリターナー間の距離、腕の伸ばしやすさで 厚みが決まっていそう
24. | コントロール能力の基準 評価基準 サーブがどれだけ青いゾーンに入っているか
25. | 実質的な制球力ランキング ベスト10 ワースト10
26. | M. Raonicとは？ ミロシュ・ラオニッチ 錦織のライバル的存在（別名・運命共同体） ラオニッチ 錦織 体格 大きい（196cm） 小さい（178cm） 得意なプレー サーブ ラリー 年齢 29歳 30歳 最高ランキング 3位 4位 主なグランドスラム実績 ウィンブルドン：準優勝（1） 全豪：ベスト4（1） 全米：準優勝（1） ベスト4（2） 2014年 ウィンブルドン4回戦で錦織を倒して ベスト4 全米4回戦でラオニッチを倒して 準優勝 2016年 全豪ベスト4を含む活躍で3位争い 全米ベスト4を含む活躍で3位争い 2017年 故障してシーズン途中で離脱 故障してシーズン途中で離脱 2020年 コロナの影響でランキング凍結 30位（1350ポイント） コロナの影響でランキング凍結 31位（1345ポイント） ラオニッチのデータを学 習して錦織の活躍を予測 できる……？ 画像出所:https://ausopen.com/
27. | まとめ • サーブはライン際に集めることが最善、とは限らない • ポイントを獲りやすい場所に精度良く集める能力こそが 実質的な制球力では • 1stサーブは深さよりも左右にコントロールすることが大事 • サイドライン・センターラインからの距離（左右の幅）は、 深さによって許容される範囲が異なる • 2ndサーブは狙うべき明確な場所がない • ラオニッチは世界一サーブのコントロールが良い 以上