講演情報
[2Yin-A-45]配球を球種 × ゾーンの同時分類とした予測モデル比較
〇加納 優臣1、西村 拓一1 (1. 北陸先端科学技術大学院大学)
キーワード：
深層学習、配球予測、野球、機械学習、人工知能
キャッチャーとピッチャーが共同で決定する配球は，結果に直接影響を与える野球の重要な意思決定である．投球選択は複雑な文脈的要因に依存するため，人間が一貫して最適な選択をすることは困難である．私たちは，t-1時点までの利用可能な情報を使用して、t時点で（投球タイプ、投球位置ゾーン）のペアを選択することを配球コールと定式化し、各ペアを単一の投球ラベルとして扱った．使用したデータは，2017～2024年のMLB Statcastデータであり，時間ブロック5分割交差検証を使用して，さまざまな機械学習モデルと深層学習モデルを比較し，優れているモデルを同定することを目的とする．モデルの評価では，球種、ゾーン，投球ラベルの予測を正確度，適合率，再現率，F1スコアで評価する．結論として，比較した機械学習や深層学習のモデルのなかで，Transformerは，特に投球ラベルの場合に最高の性能を示すことを確認した．ツリーベースのアンサンブルのモデルは，多数派クラスバイアスのために疎な結合クラスでは低下したことを確認した．今後の研究では，注意と特徴帰属分析によって解釈可能性を向上させる予定である．