[Updated on Apr. 18] Integration of CiNii Articles into CiNii Research

08測-12-ポ-02 ディープラーニングを用いた野球の投球予測

DOI

Abstract

<p> 【背景】野球における連続する投球を予測するためには、投球系列に依存して順次投球内容を予測するモデルの構築が必要である。【目的】ディープラーニングの分析手法を適用して、投球毎のデータから次に投球される球種を予測するモデルを構築することであった。【方法】2014年のプロ野球ゲームのうち、1球目で終了した打席を除く52,291打席での218,486球を用いた。モデルの構築には、長期間に渡る短期記憶のためのLong short-term memory(LSTM)を用いた時系列データを扱う再起型のリカレントニューラルネットワーク(RNN)を適用した。球種を予測するために、球種、投球コース、球種×投球コースの3種類の予測するモデルを構築した。球種は、ストレート、スライダー、カーブ、シンカー、フォーク、チェンジアップ、特殊球、カットボールの9種類であった。【結果】予測モデルの精度は、球種が47.06%、投球コースが46.09%、球種とコースの組み合わせが46.74%であった。【結論】野球の投球データから連続する投球球種を予測するためのLSTMを用いたモデルでは、球種×投球コースモデルが妥当である。</p>

Journal

Details

  • CRID
    1390283659831527424
  • NII Article ID
    130007770334
  • DOI
    10.20693/jspehss.70.227_1
  • ISSN
    24241946
  • Text Lang
    ja
  • Data Source
    • JaLC
    • CiNii Articles
  • Abstract License Flag
    Disallowed

Report a problem

Back to top