全部回帖
……还在搞分裂,搞球员对比,申京不在,那是只解放格林一个人吗? 这赛季的球你都看了吗?每一分钟都看了吗?申京在不在真的影响的只是格林,不是影响全队的进攻模式和防守体系? 进攻端你真的只看到打快了一个变化?每个球员突破的空间变大,传导球多了几倍,阿门内切的空间更多看不到吗?以前都是一打4看?你难道不知道吗? 防守端真的只是无限换防一个问题?别说无限换防,申京一个挡拆,全队就必须一个去补另一个,最近的比赛,对方三分命中率,空位少了很多看不到吗?对面空接都几乎看不到不知道吗?直接哪场不被对面在申京背身空接的?
……还在搞分裂,搞球员对比,申京不在,那是只解放格林一个人吗?
这赛季的球你都看了吗?每一分钟都看了吗?申京在不在真的影响的只是格林,不是影响全队的进攻模式和防守体系?
进攻端你真的只看到打快了一个变化?每个球员突破的空间变大,传导球多了几倍,阿门内切的空间更多看不到吗?以前都是一打4看?你难道不知道吗?
防守端真的只是无限换防一个问题?别说无限换防,申京一个挡拆,全队就必须一个去补另一个,最近的比赛,对方三分命中率,空位少了很多看不到吗?对面空接都几乎看不到不知道吗?直接哪场不被对面在申京背身空接的?
打快只是更适合格林一个人因为在队内他是阵地打的最差的,联盟球员出手频率最高的区域都在每回合剩15-7s这段,这赛季火箭队内主要轮换只有格林一个人在这个区域有效命中率没过50%,只有45.3%。
另外联盟几乎所有人在快攻时命中率都是提高的,包括你们说不会打快的申京,他是队内22-15s这段时间内命中率是最高的,且占了所有出手的五分之一。
说白了三年管理层和教练给了格林超高的容错,三年出手次数皆为队内第一,从未打过替补,打发也是各种调整尝试。就这样球迷还在怪这怪那。
打快只是更适合格林一个人因为在队内他是阵地打的最差的,联盟球员出手频率最高的区域都在每回合剩15-7s这段,这赛季火箭队内主要轮换只有格林一个人在这个区域有效命中率没过50%,只有45.3%。
另外联盟几乎所有人在快攻时命中率都是提高的,包括你们说不会打快的申京,他是队内22-15s这段时间内命中率是最高的,且占了所有出手的五分之一。
说白了三年管理层和教练给了格林超高的容错,三年出手次数皆为队内第一,从未打过替补,打发也是各种调整尝试。就这样球迷还在怪这怪那。
打快只是更适合格林一个人因为在队内他是阵地打的最差的,联盟球员出手频率最高的区域都在每回合剩15-7s这段,这赛季火箭队内主要轮换只有格林一个人在这个区域有效命中率没过50%,只有45.3%。 另外联盟几乎所有人在快攻时命中率都是提高的,包括你们说不会打快的申京,他是队内22-15s这段时间内命中率是最高的,且占了所有出手的五分之一。 说白了三年管理层和教练给了格林超高的容错,三年出手次数皆为队内第一,从未打过替补,打发也是各种调整尝试。就这样球迷还在怪这怪那。
打快只是更适合格林一个人因为在队内他是阵地打的最差的,联盟球员出手频率最高的区域都在每回合剩15-7s这段,这赛季火箭队内主要轮换只有格林一个人在这个区域有效命中率没过50%,只有45.3%。
另外联盟几乎所有人在快攻时命中率都是提高的,包括你们说不会打快的申京,他是队内22-15s这段时间内命中率是最高的,且占了所有出手的五分之一。
说白了三年管理层和教练给了格林超高的容错,三年出手次数皆为队内第一,从未打过替补,打发也是各种调整尝试。就这样球迷还在怪这怪那。
他假装看不见
他假装看不见
篮球就是通俗的大众体育,不具有很强的神秘性。护框好不好,并不难观察,不是说你得学20年中医才能看出来的病。我的观察,肯定带有主观成分,每个人都是。但主观的观察结果,和纯主观臆想,或主观胡诌是有区别的。更何况兰黛尔护框比申京好,是绝大多数球迷观察的共同结论。这让观察产生巨大偏差的概率大大降低。另一方面,我前面也说了,即便是有相关的数据,解读数据的时候依然具有主观性。所以,我不是反对数据作为观赛补充和辅助。但切莫本末倒置。本来一眼就看明白的事情,非得绕一大圈反映到那些抽象度,信息缺失度很高的简单统计上。最后得出一个偏差或者矛盾的结论,然后反而用来嘲笑感官。简单的数据统计,在反应护框这种模糊而复杂的概念时,往往带有故弄玄虚的成分。只有无知的人,才会对数据奉若神明。
篮球就是通俗的大众体育,不具有很强的神秘性。护框好不好,并不难观察,不是说你得学20年中医才能看出来的病。
我的观察,肯定带有主观成分,每个人都是。但主观的观察结果,和纯主观臆想,或主观胡诌是有区别的。更何况兰黛尔护框比申京好,是绝大多数球迷观察的共同结论。这让观察产生巨大偏差的概率大大降低。
另一方面,我前面也说了,即便是有相关的数据,解读数据的时候依然具有主观性。所以,我不是反对数据作为观赛补充和辅助。但切莫本末倒置。本来一眼就看明白的事情,非得绕一大圈反映到那些抽象度,信息缺失度很高的简单统计上。最后得出一个偏差或者矛盾的结论,然后反而用来嘲笑感官。
简单的数据统计,在反应护框这种模糊而复杂的概念时,往往带有故弄玄虚的成分。只有无知的人,才会对数据奉若神明。
未经严格论证的专家意见只能排最后,这至少说明在医学领域数据分析很重要。也许隔行如隔山,所以我会好奇你的主要研究方向是什么让你能得出最后的这句感慨
未经严格论证的专家意见只能排最后,这至少说明在医学领域数据分析很重要。也许隔行如隔山,所以我会好奇你的主要研究方向是什么让你能得出最后的这句感慨
排名有啥用?全队他就是防守最弱的点,对手点名他一打一个,全联盟有哪个中锋每场都无数次被点名当突破点的?
排名有啥用?全队他就是防守最弱的点,对手点名他一打一个,全联盟有哪个中锋每场都无数次被点名当突破点的?
没有用,你说啥就是啥咯
没有用,你说啥就是啥咯
未经严格论证的专家意见只能排最后,这至少说明在医学领域数据分析很重要。也许隔行如隔山,所以我会好奇你的主要研究方向是什么让你能得出最后的这句感慨
[图片]
[图片]
未经严格论证的专家意见只能排最后,这至少说明在医学领域数据分析很重要。也许隔行如隔山,所以我会好奇你的主要研究方向是什么让你能得出最后的这句感慨
我本人就是搞数据的,当然深知数据对各种科研领域的重要性。比如你举的医学领域。
但我一上来就说了,篮球是通俗的大众娱乐,相对于科研,真的太浅显了。而且如果真正的把篮球当一门科研来对待,一些简单的统计,包括各种所谓的高阶指标也过于粗糙。再加上对数据解读的主观性在各种科研领域也依旧存在,更不用说篮球领域了。所以,综合来看,在护框这种概念上,现有的统计指标还真不一定比肉眼观察的准。
就好比AI技术之前的人脸识别技术,电脑虽然有很强的算力了,但依旧不如人眼。
我不是说技术上,护框永远不能被数字化的精确表示。但最起码要像素级别的数据分析,才能够做到真正碾压和嘲笑肉眼观察。
我本人就是搞数据的,当然深知数据对各种科研领域的重要性。比如你举的医学领域。
但我一上来就说了,篮球是通俗的大众娱乐,相对于科研,真的太浅显了。而且如果真正的把篮球当一门科研来对待,一些简单的统计,包括各种所谓的高阶指标也过于粗糙。再加上对数据解读的主观性在各种科研领域也依旧存在,更不用说篮球领域了。所以,综合来看,在护框这种概念上,现有的统计指标还真不一定比肉眼观察的准。
就好比AI技术之前的人脸识别技术,电脑虽然有很强的算力了,但依旧不如人眼。
我不是说技术上,护框永远不能被数字化的精确表示。但最起码要像素级别的数据分析,才能够做到真正碾压和嘲笑肉眼观察。
未经严格论证的专家意见只能排最后,这至少说明在医学领域数据分析很重要。也许隔行如隔山,所以我会好奇你的主要研究方向是什么让你能得出最后的这句感慨
[图片]
[图片]
未经严格论证的专家意见只能排最后,这至少说明在医学领域数据分析很重要。也许隔行如隔山,所以我会好奇你的主要研究方向是什么让你能得出最后的这句感慨
我最后这句话特指在篮球领域,而且针对的是大众能接触到的各种统计,包括所谓高阶数据。这些指标不能说没用,他们肯定还是能反应绝大多数问题。但很多指标的设计,存在噪音,干扰因素,不够孤立等特点。最起码不能够做到完全碾压肉眼观察。
我最后这句话特指在篮球领域,而且针对的是大众能接触到的各种统计,包括所谓高阶数据。这些指标不能说没用,他们肯定还是能反应绝大多数问题。但很多指标的设计,存在噪音,干扰因素,不够孤立等特点。最起码不能够做到完全碾压肉眼观察。
我本人就是搞数据的,当然深知数据对各种科研领域的重要性。比如你举的医学领域。但我一上来就说了,篮球是通俗的大众娱乐,相对于科研,真的太浅显了。而且如果真正的把篮球当一门科研来对待,一些简单的统计,包括各种所谓的高阶指标也过于粗糙。再加上对数据解读的主观性在各种科研领域也依旧存在,更不用说篮球领域了。所以,综合来看,在护框这种概念上,现有的统计指标还真不一定比肉眼观察的准。就好比AI技术之前的人脸识别技术,电脑虽然有很强的算力了,但依旧不如人眼。我不是说技术上,护框永远不能被数字化的精确表示。但最起码要像素级别的数据分析,才能够做到真正碾压和嘲笑肉眼观察。
我本人就是搞数据的,当然深知数据对各种科研领域的重要性。比如你举的医学领域。
但我一上来就说了,篮球是通俗的大众娱乐,相对于科研,真的太浅显了。而且如果真正的把篮球当一门科研来对待,一些简单的统计,包括各种所谓的高阶指标也过于粗糙。再加上对数据解读的主观性在各种科研领域也依旧存在,更不用说篮球领域了。所以,综合来看,在护框这种概念上,现有的统计指标还真不一定比肉眼观察的准。
就好比AI技术之前的人脸识别技术,电脑虽然有很强的算力了,但依旧不如人眼。
我不是说技术上,护框永远不能被数字化的精确表示。但最起码要像素级别的数据分析,才能够做到真正碾压和嘲笑肉眼观察。
还有一点是,相比计算机视觉,自然语言处理动辄上亿的数据集,NBA相关的所有数据只能算小数据,而小数据集分析出来的结果会有很强的偶尔性。火区很多人把数据当成真理,这属于缺乏数据科学常识的行为。。。
还有一点是,相比计算机视觉,自然语言处理动辄上亿的数据集,NBA相关的所有数据只能算小数据,而小数据集分析出来的结果会有很强的偶尔性。火区很多人把数据当成真理,这属于缺乏数据科学常识的行为。。。
还有一点是,相比计算机视觉,自然语言处理动辄上亿的数据集,NBA相关的所有数据只能算小数据,而小数据集分析出来的结果会有很强的偶尔性。火区很多人把数据当成真理,这属于缺乏数据科学常识的行为。。。
还有一点是,相比计算机视觉,自然语言处理动辄上亿的数据集,NBA相关的所有数据只能算小数据,而小数据集分析出来的结果会有很强的偶尔性。火区很多人把数据当成真理,这属于缺乏数据科学常识的行为。。。
也倒不能这么比。nlp和视觉是极其复杂,变化极其丰富的,所以需要海量数据,复杂的算法,才能进行分析。而篮球,如果是抽象化,看一些具体的得分,护框等人类能够直接理解的行为和指标的话,从数据分析的角度,任务是极其简单的。所以,相关的数据统计以及所谓的高阶数据是可以胜任一般性的分析任务的。
但正是因为抽象化的篮球简单,所以,肉眼观察也可以充分的理解,尤其是对于有丰富观赛经验的老球迷来说。而且,这种可理解性,也是为什么篮球这么受大众欢迎的原因。
如果说,数据研究想要碾压肉眼观赛,那必须不在抽象级别进行。而是在像素级别,甚至三维空间的像素级别。
也倒不能这么比。nlp和视觉是极其复杂,变化极其丰富的,所以需要海量数据,复杂的算法,才能进行分析。而篮球,如果是抽象化,看一些具体的得分,护框等人类能够直接理解的行为和指标的话,从数据分析的角度,任务是极其简单的。所以,相关的数据统计以及所谓的高阶数据是可以胜任一般性的分析任务的。
但正是因为抽象化的篮球简单,所以,肉眼观察也可以充分的理解,尤其是对于有丰富观赛经验的老球迷来说。而且,这种可理解性,也是为什么篮球这么受大众欢迎的原因。
如果说,数据研究想要碾压肉眼观赛,那必须不在抽象级别进行。而是在像素级别,甚至三维空间的像素级别。
也倒不能这么比。nlp和视觉是极其复杂,变化极其丰富的,所以需要海量数据,复杂的算法,才能进行分析。而篮球,如果是抽象化,看一些具体的得分,护框等人类能够直接理解的行为和指标的话,从数据分析的角度,任务是极其简单的。所以,相关的数据统计以及所谓的高阶数据是可以胜任一般性的分析任务的。但正是因为抽象化的篮球简单,所以,肉眼观察也可以充分的理解,尤其是对于有丰富观赛经验的老球迷来说。而且,这种可理解性,也是为什么篮球这么受大众欢迎的原因。如果说,数据研究想要碾压肉眼观赛,那必须不在抽象级别进行。而是在像素级别,甚至三维空间的像素级别。
也倒不能这么比。nlp和视觉是极其复杂,变化极其丰富的,所以需要海量数据,复杂的算法,才能进行分析。而篮球,如果是抽象化,看一些具体的得分,护框等人类能够直接理解的行为和指标的话,从数据分析的角度,任务是极其简单的。所以,相关的数据统计以及所谓的高阶数据是可以胜任一般性的分析任务的。
但正是因为抽象化的篮球简单,所以,肉眼观察也可以充分的理解,尤其是对于有丰富观赛经验的老球迷来说。而且,这种可理解性,也是为什么篮球这么受大众欢迎的原因。
如果说,数据研究想要碾压肉眼观赛,那必须不在抽象级别进行。而是在像素级别,甚至三维空间的像素级别。
这个得看长远,未来cv技术运用在篮球领域是可能性很大的。目前NBA数据的基本构成还是得分,篮板,命中率之类的,或者复杂一些的plus/minus,以及通过基础数据运算得来的高阶。以后如果通过视频图像作为另一种分析数据输入。数据量也会变大的。
这个得看长远,未来cv技术运用在篮球领域是可能性很大的。目前NBA数据的基本构成还是得分,篮板,命中率之类的,或者复杂一些的plus/minus,以及通过基础数据运算得来的高阶。以后如果通过视频图像作为另一种分析数据输入。数据量也会变大的。
上海匡慧网络科技有限公司 沪B2-20211235 沪ICP备2021021198号-6 Copyright ©2021 KUANGHUI All Rights Reserved. 匡慧公司 版权所有