中国国家女子软球比赛的关键因素和战术变化:基于机器学习的识别
Hanyao Li1, Gang Cheng1,2, Tianfeng Zhang1
1School of Physical Education, Nanjing Tech. University, Nanjing, China.
Frontiers in sports and active living
|December 8, 2025
概括
机器学习准确地预测了中国女子软球比赛的结果. 投篮 (P-ER) 和击球 (OBP,AVG) 的指标是关键,球队优先考虑不同的胜利策略.
科学领域:
- 运动分析 运动分析
- 运动中的机器学习
- 预测建模预测建模
背景情况:
- 了解影响比赛结果的因素对于体育战略制定至关重要.
- 中国女子软球联赛为体育分析提供了一个独特的数据集.
研究的目的:
- 确定决定中国女子软球比赛结果的关键因素.
- 探索不同的团队如何使用机器学习开发获胜策略.
- 建立和评估软球比赛结果的预测模型.
主要方法:
- 分析了2023-2024年的81个游戏,使用了98个输入功能.
- 机器学习模型的实施:随机森林 (RF),XGBoost,KNN,SVM.
- 使用AUC,F1得分,准确度,精度和回忆的性能评估;通过SHAP和PDP评估的特征重要性.
主要成果:
- 随机森林模型实现了97.7%的AUC准确度.
- 游戏结果的关键预测指标包括投篮的积分率 (P-ER),阵容百分比 (OBP),进球率 (RBI) 和击球率 (AVG).
- 高的P-ER和Hits (P-H) 会增加损失的概率;高的OBP和AVG会增加胜利的概率. 像SC这样的球队专注于投球,而SH,LN和JS则强调击球.
结论:
- 投球表现 (P-ER) 和击球指标 (OBP,AVG) 是中国女子软球比赛结果的重要预测指标.
- 这些因素对于开发体育分析中的预测模型很重要.
- 需要进一步的研究来验证这些发现的实际影响.
