基于因子分析和K-Means算法对NBA得分后卫的功能性分析

摘要

以2012—2013赛季至2018—2019赛季美国职业篮球联赛得分后卫的基础数据和进阶数据为基础,运用因子分析和K-Means聚类算法建立聚类模型,对球员类型进行分析。相比于传统方法利用基础数据对所有球员进行综合评比,笔者新增了进阶数据并通过机器学习方法反映球员在场上的真实定位和功能。结果表明:得分后卫可以从领袖因子、进攻贡献因子、防守贡献因子、三分球能力、投篮稳定性以及传球能力六个指标,分为绝对核心、角色球员、外线核心、顶级侧翼防守者、外线球员、组织核心、“3D”球员、华而不实型八类球员。进阶数据的使用更能体现球员的真实价值。建议:中国职业篮球联赛(CBA)应顺应大数据时代的潮流,引进先进的数据统计设备,健全数据统计类型,注重进阶数据的统计,培养数据分析人员,通过数据分析球员的功能和类型,为球队组建、教练用人和人才培养提供科学的指导。