lebron值,它的全称是Luck-adjusted player Estimate using a Box prior Regularized ON-off,缩写一下是LEBRON。这个全称对算法的描述是挺准确也挺全面的,但是作者当然是刻意去凑的Lebron,玩个梗,类似的数据还有538的CARMELO和RAPTOR。LEBRON是一项基于RAPM的修正正负值数据,数据本身的含义就是一个球员在场时,每百回合能帮球队多赢多少分,分为描述进攻端的O-Lebron和防守的D-Lebron。所以表格里的这两项就是讲球员进攻总体水平怎么样和防守整体水平怎么样,同类数据中最有名的就是RPM。因为不同位置的攻防水平是有区分的,所以我把原始数据又按不同位置进行了标准化,你们看到的数字是该球员的这一项数据相对同位置球员排名,比如95就是超过95%的同位置球员。 不过这类数据实际展示的球员的表现而非能力,同一个球员在不同的环境下是很有可能打出不同的表现的,这点我想大家都知道,尤其是防守端,不同的角色和球队防守策略会带来很大的影响。如果你要问这数据靠不靠谱的话,我只能说我感觉还行,当然有一些纰漏,同类数据其实很多,也很难说哪个更好。总得来说,大家仅作参考,谨慎看待。 如果你只想大概了解一下这个数据是什么意思,看到这里就不用继续往下看了。下面我简单介绍一下LEBRON的算法思路,适合已经了解RAPM数据基本思路的朋友了解一下。 LEBRON是BBIndex的数据,这是个野生数据专家社区,之前他们主推的同类数据一直是PIPM,但由于PIPM的作者Jacob Goldstein被奇才招安了,这项数据就不再更新,BBIndex的其他人就创造了这个新数据。 他的和其他RAPM类数据思路一样,用Boxscore对小样本难以稳定的RAPM进行修正。这版的Boxscore部分就是在PIPM的Boxscore部分的基础上计算的。增加了不同角色类型的区分和利用过去数据对当赛季小样本的球员进行预测。以此作为RAPM计算的先验数据。 简单理解的话,就好比,我让你盲猜一个球员的三分命中率,你可能猜不到,但我先告诉你这是一名非常优质的射手,你可能就会猜个40%,肯定比盲猜猜的更准一些。这里的Boxscore部分就是起这个作用。毕竟我们知道RAPM本身在单赛季样本量下是非常不稳定的。 在这个数据名字里还提到了Luck-adjusted,这是我们提到onoff数据时经常提到的概念。球员的正负值总是有一些单纯的运气因素,比如我在场时队友的罚球4罚4中,我不在场时他4罚2中,我这个队友平时差不多就是75%的命中率,但我因为运气好就白占了1分的正负值便宜。三分命中率当然也会有类似的情况,大空位打铁,xjb投就是进这些事情其实往往和队友没什么关系。 大体重点就是这样