Rでアメフトの次のプレーを　予測する

Takeshi Sugiyama
2015/12/05

自己紹介

杉山　剛（@soogie すーぎー）

事務系サラリーマン
日頃はSASとExcelにまみれてます
R歴1年くらいです
初心者ですが職場にRを普及すべく初心者向け勉強会開催中
趣味はアメフト観戦。日本ではオービックシーガルスのファン
以前レザークラフトに凝っていた時にスーパーカブを自分で革張りにしたりしました

これが革張りのスーパーカブ！

というのは今日の話とは無関係で…

アメフトシーズン到来

本場アメリカのプロフットボールリーグ NFL
2016/2/7 第50回スーパーボウルに向け32チームが激戦中
日本の社会人アメフト Xリーグ
12/14の社会人日本一決定戦 Japan X BOWL に向け激戦中
1/3には学生日本一との日本一決定戦 RICE BOWL

アメフトのルール（超簡略版）

100ヤード先の敵のゴールエリアにボールを運ぶ
4回の攻撃で10ヤード進めなければ攻守交代
10ヤード進んだらまた4回の攻撃権を取得
ボールを投げる（パス）か，抱えて走る（ラン）か
4回目の攻撃で10ヤード到達が難しい時はパントで敵陣に蹴り込む
負けているときは4回目も通常攻撃をすることもあり（ギャンブルと呼びます）

パスかランか（超簡略版）

パス：一気に進むことができる代わり，失敗のリスクが大きい
ラン：ボールを失うことは少ないがなかなか進めない
短距離のパスもあるし，ランで数十ヤード進むこともある
攻撃側は残りヤード数，点差などを踏まえてプレーを選択
守備側は次のプレーを予測
プレーを予測しながら観戦すると楽しさ倍増

NFLのデータを分析

2002年から2012年のNFLのすべてのプレーを集めたデータ (https://github.com/veltman/nflplays)

nfl <- fread("data/nflplays.csv", data.table = FALSE)

何回目の攻撃でどんなプレーをしているか

    RUNorPASS
DOWN   RUN  PASS  PUNT
   1 75774 65896     3
   2 49813 57520     3
   3 16404 49500    13
   4  1939  2770 26292

※ プレーの種類はもっと多様ですが単純化しています

ロジスティック回帰

ランかパスかの2者択一というふうに単純化して，ロジスティック回帰を試みます。


Call:  glm(formula = RUNorPASS ~ DOWN + YARDS_TO_FIRST, family = binomial(link = "logit"), 
    data = nfl_RorP)

Coefficients:
   (Intercept)            DOWN  YARDS_TO_FIRST  
       -2.0913          0.7328          0.1183  

Degrees of Freedom: 319615 Total (i.e. Null);  319613 Residual
Null Deviance:      439900 
Residual Deviance: 416000   AIC: 416000

パス確率の計算

ロジスティック回帰の結果より

\[ パスの確率 = \frac{1}{1+e^(-2.09 + 0.73 ダウン + 0.12 残りヤード)} \]

ファーストダウン残り10ヤードのときは 46パーセント
→　ほぼ五分五分。ややラン
セカンドダウン残り2ヤードのときは40パーセント
→　パスよりはランで確実に
サードダウン残り18ヤードのときは91パーセント
→　ランでは無理。パスで起死回生

決定木でもやってみる

せっかくなので，第何クオーター(QTR)か，敵との点差(DIFF)も加味して決定木を作ってみます。
勝っているときの第1，2ダウンはランを選びがち。第3ダウンは残り1.5ヤード以上ならパスのようです。

チームの戦略の違いもあります

パスを選択しがち

パスが得意なQBがいる
キャッチが得意なワイドレシーバーがいる

ランを選択しがち

突進力のあるランニングバックがいる
QBの足が速く，ピンチになると自ら走ってしまう

シアトルシーホークスのラッセル・ウィルソンのようにパスがうまくて，自分が走っても速い，手に負えないQBもいます。

サンフランシスコ49ers(2012年当時)

パスが得意なQBアレックス・スミスが活躍していた頃です。パスが多めですね

シアトルシーホークス(2012年当時)

当時はラッセル・ウィルソンはいませんでしたがランの比率が高いのは「ビースト」として知られるランニングバック，マーショーン・リンチのおかげでしょう

結論

次のプレーを予測しながら見ると，アメフト観戦がめちゃめちゃ楽しくなるよ！

Enjoy!!

このプレゼンのファイルと実際に動くRプログラムはこちら
https://github.com/soogie/NFLdata4Fun
です

Rでアメフトの次のプレーを 予測する