$30 off During Our Annual Pro Sale. View Details »
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Shohei Ohtani Pitching Analysis 2018
Search
TK
December 12, 2018
Research
0
1.2k
Shohei Ohtani Pitching Analysis 2018
TK
December 12, 2018
Tweet
Share
More Decks by TK
See All by TK
守備指標でみるGG_Golden_Grab_.pdf
takahirokawakami
0
610
今更聞けないセイバーメトリクス.pdf
takahirokawakami
0
350
初段になるまで.pdf
takahirokawakami
0
610
Other Decks in Research
See All in Research
Vision and LanguageからのEmbodied AIとAI for Science
yushiku
PRO
1
600
離散凸解析に基づく予測付き離散最適化手法 (IBIS '25)
taihei_oki
PRO
1
610
思いつきが武器になる:研究というゲームを始めよう / Ideas Are Your Equipments : Let the Game of Research Begin!
ks91
PRO
0
100
高畑鬼界ヶ島と重文・称名寺本薬師如来像の来歴を追って/kikaigashima
kochizufan
0
100
[Devfest Incheon 2025] 모두를 위한 친절한 언어모델(LLM) 학습 가이드
beomi
2
940
令和最新技術で伝統掲示板を再構築: HonoX で作る型安全なスレッドフロート型掲示板 / かろっく@calloc134 - Hono Conference 2025
calloc134
0
440
論文読み会 SNLP2025 Learning Dynamics of LLM Finetuning. In: ICLR 2025
s_mizuki_nlp
0
340
【輪講資料】Moshi: a speech-text foundation model for real-time dialogue
hpprc
3
820
大規模言語モデルにおけるData-Centric AIと合成データの活用 / Data-Centric AI and Synthetic Data in Large Language Models
tsurubee
1
430
Sat2City:3D City Generation from A Single Satellite Image with Cascaded Latent Diffusion
satai
4
320
CoRL2025速報
rpc
2
3.5k
論文紹介: ReGenesis: LLMs can Grow into Reasoning Generalists via Self-Improvement
hisaokatsumi
0
140
Featured
See All Featured
Typedesign – Prime Four
hannesfritz
42
2.9k
How Fast Is Fast Enough? [PerfNow 2025]
tammyeverts
3
390
Art, The Web, and Tiny UX
lynnandtonic
303
21k
Balancing Empowerment & Direction
lara
5
790
Practical Orchestrator
shlominoach
190
11k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
48
9.8k
Templates, Plugins, & Blocks: Oh My! Creating the theme that thinks of everything
marktimemedia
31
2.6k
Measuring & Analyzing Core Web Vitals
bluesmoon
9
700
ピンチをチャンスに:未来をつくるプロダクトロードマップ #pmconf2020
aki_iinuma
128
54k
Product Roadmaps are Hard
iamctodd
PRO
55
12k
The Power of CSS Pseudo Elements
geoffreycrofte
80
6.1k
No one is an island. Learnings from fostering a developers community.
thoeni
21
3.5k
Transcript
2018MLB メジャーリーガーが空振りする 大谷翔平のボールの正体 2018/12/12 Airitech株式会社 川上 貴傳
目次 • 目次 • 自己紹介 • 分析目的 • 分析手法 •
球種別空振り率概要 • 決定木(全体) • 決定木(4シーム) • 決定木(スライダー) • 決定木(カーブ) • 決定木(スプリット) • まとめ • おまけ 2
自己紹介 • 所属会社:Airitech株式会社 • 業種:エンジニア(開発、分析) • 使用言語:主にPython • 生息地:大阪 ときどき新宿
• 贔屓球団:昔阪神 ちょっと前楽天 今DeNA • 備考: 珠算式暗算(七段) 少林寺拳法(参段) 将棋(アマ初段) 筋トレ(BIG3 360kg) 球速(Max 107km/h) バードウォッチング デジタル絵描き 3
分析目的 • 大谷翔平の球はすごい。 • 日本人最速 Max165km/h • スプリットも Max150km/hを超える •
空振り率が脅威の35%(MLB平均は約20%) • ではどんな球が空振りを奪っているのか? 4
分析手法 • 大谷翔平の投球データを取得し、スイングし たボールについて空振りしたかどうかを決定 木で分類する。 • 機械学習手法の中でも分類結果に説明をつ けやすいため。 • データ取得元はBrooks
Baseball http://www.brooksbaseball.net/ 5
球種別空振り率概要 • 投球数の約半分が4シーム • スイング率はカーブが突出して低い • 空振り率は4シームが突出して低い • スプリットが非常に優秀 6
球種 空振数 スイング数 投球数 スイング率 空振り率 4シーム 38 180 396 45.5% 21.1% スライダー 35 88 210 41.9% 39.8% スプリット 53 95 191 49.7% 55.8% カーブ 6 15 56 26.7% 40.0% 全体 132 378 853 44.3% 34.9%
球種別空振り率概要 7 0 100 200 300 400 500 600 700
800 900 投球数 スイング数 空振数 球種別積み上げ(数) 4シーム スライダー スプリット カーブ 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 投球比率 スイング数比率 空振比率 球種別積み上げ(比率) 4シーム スライダー スプリット カーブ
決定木(投球全体) 8 プレート上の通過地点が低い 縦方向の変化が大きい
決定木(4シーム) 9 水平方向平均速度 →対角線投球? 垂直方向変化量 →ノビのいい球 高めの球
決定木(スライダー) 10 垂直方向平均速度 →スライダーでも落ちる球 早いカウントで有効
決定木(カーブ) 11 データが少なすぎてなんとも。。。
決定木(スプリット) 12 圧倒的低め
まとめ • 4シームは速さよりもコースとノビ • スライダーは浅いカウントでも有効 • 特に縦スラが強力 • カーブはスイング率が低いが当てられにくい •
低めのスプリットは 13 地獄
おまけ 14 0 0 0 1 2 0 1 2
4 0 1 0 5 2 0 1 0 1 0 0 1 0 1 0 0 0 0 1 0 0 1 0 1 0 0 0 0 1 2 0 1 5 2 0 0 0 1 0 0 1 4シームの空振りは水平方向速度が速くノビのある球か、高めの球だった 右打者には外角低め →右オーバーハンドなので、 これが水平方向速度が速いもの 左打者には高め