如何确保数据真实和准确 NBA球员的真实命中率怎么算？
NBA球员的真实命中率怎么算？
真实命中率是多少？
真实百分比是衡量投篮效率的一个百分比数据，通常缩写为TS%，本质上也是投篮百分比。但由于篮球比赛中每次投篮得分并不完全相同，所以对三分和罚球修正了真实百分比。其计算公式为:
TS% 100% * PTS / [ 2* ( FGA 0.44 *自由贸易区)]
它的核心思想很简单，就是每一个投篮都调整成两分投篮，体现了球员 每次都有分数回报。我们知道篮球比赛是强制交换球权的回合制比赛，所以双方创造得分的机会实质上是有限的。如何抓住机会成了制胜的关键，而真正的命中率是一种反映机会把握率的数据。
为什么需要引入真实命中率？
著名数据博客NylonCalculus的专栏作家Justin两年前写过一篇介绍TS%的文章，其中举了一个非常合适的例子来说明引入TS%的必要性。2004年，活塞 职业生涯投篮命中率只有41.5%，几个赛季甚至低于40%，包括他的总冠军赛季(39.5%)。传统观点会认为他可能是一个 "问题与挑战一支优秀球队的，但事实上，比卢普斯在巅峰时期每36分钟5个三分球，一直排在联盟前20%。同时他也有一定的造犯规能力，是一名优秀的罚球手。所以在2005年改变了Handcheck判罚后，他的真实命中率多年保持在精英水平的60%以上。 "问题与挑战团队的？不，他是一个真正的冠军防守者。因此，从这个案例中，我们可以发现投篮命中率可以 不能准确反映球员和球员的表现因为不同投篮的得分和难度的差异，对得分时机的把握能力，真实的投篮命中率远比一般的投篮命中率可靠。
为什么是0.44？
在真实命中率的计算中，我们需要把罚球换算成一般投篮。一般来说，一次投篮犯规可以获得两次罚球，也就是说一次罚球占用0.5次投篮。但是必须要考虑附加罚，技术犯规罚，恶意犯规罚，三罚三的第三罚。这些点球不会占用多余的射门，所以每个点球实际占用的射门不到0.5，大概0.44。
这里可能会有朋友想问，为什么要用这个 "大约0.44 "？而不是准确地使用播放器 这是真正的圆形物。这是一个非常好的问题。前阵子也问了我一个类似的问题。在 "真正聪明的篮球分析网站 "福尔克 在清洁玻璃的过程中，他有一个名为PSA的项目出手次数)数据，即每次出手得分，这个数据本质上不是0.44，而是实际出手次数的TS%。精一模觉得这个数据比TS%更准确，为什么不用这个数据呢？他是对的，PSA更准确，但TS%被更广泛采用有两个原因。
首先，以2017-18赛季为例，我们对所有出手次数超过100次的球员进行筛选，从比赛的逐场日志中提取每次罚球的原因，剔除那些不占用额外出手次数的罚球，比如点球、三分罚球第三罚和技术犯规罚球，计算球员的真实出手次数。这样就可以得到一个真实的命中率，也就是PSA(实际PSA是一百轮的数据而不是一个百分比，为了更方便用TS%也算作百分比)，把这个结果和TS%进行比较。
这张图，横轴是TS%和PSA的差值，左边低估TS%，右边高估TS%。我们可以看到，只有一个球员被TS%高估了1%以上，被TS%低估的只有四个球员，大部分被低估的球员都执行了大量的技术犯规罚球。一些分析家认为在计算PSA时应该排除技术犯规罚球，因为它通常不是因为球员 获得罚球机会的能力。
其次，如前所述，TS%的计算只是基于三个基础数据，从1946-47年NBA第一个赛季开始统计，而我们刚刚用来计算PSA的逐场比赛日志只能追溯到1996-97年第一个赛季，也就是说PSA可以 在NBA的整个五十个赛季里都无法计算。再者，即使是最近20个赛季，计算TS%也远比PSA方便。
因此，这就变成了一个工程问题。一个需求可以以最小的性能为代价大大减少工作时间，同时可以应对更广泛的工作环境。那么，为什么性能提升这么少呢？
TS%多少算高，多少算低？
一般来说，TS%的平均联赛水平在53%-54%左右。通常低于50%会被认为很差。他们中的大多数都是能 不要在篮下得分或犯规，可以 不要投三分。他们只能打中距离，也就是所谓的非 "魔球 "。而且60%以上会被认为是这个领域的精英选手。TS%高的球员一般都是终端内线，擅长突破造犯规的球员或者高产高效的三路得分手。
从今年出手次数超过300次的玩家整体分布来看，大部分玩家的TS%集中在52%到58%。同时，今年TS%最高的球员是库里(67.5%)，而只有两名球员的TS%低于45%，分别是鲍尔(44.4%)和尼里基纳(43.7%)。
然而，TS%的水平有时不得不根据时代来看待。在20世纪80年代后的大部分时间里，TS%稳定在53%和54%之间。但在20世纪最后几年和21世纪初，由于规则和打法的双重作用，可以说是联盟历史上最黑暗的几年，进攻成功率很低。联盟平均TS%远低于其他赛季。因此，如果涉及跨季节比较，并且恰好与那些季节有关，我们应该考虑使用 "相对联盟平均TS % "为了对比。
如何拆解分析TS%
TS%的具体拆解分析会涉及到很多因素，需要具体分析。这里很难给出一个笼统的结论，但可以从两个方向来考虑。
首先要明确产出和效率的关系。TS%是每次出手的得分回报，也叫效率，有很多数据可以代表输出。这里我们用USG%，大致对应TS%。USG%是球员在场时的投篮次数、罚球次数和失误次数占己方进攻回合总数的比率，一般翻译成利用率，但意义更好。一般来说，产量越高，任务越重，效率越低。两年前很少有国内粉丝意识到这一点。今年大量的自媒体写手开始用下面的图片来说明这一点。
所以我们在看TS%的时候，往往需要看球员的回合占有率。比如同样处于高TS%的球员，库里和杜兰特的效率，乔丹和科瓦尔的效率就明显不同。在同样高效率的情况下，高产更有意义。同样的，虽然我们看到邵伟 s TS%略低于平均水平，他肩负着很多球权，发展进攻机会，所以效率稍微低一点并不代表他就比那些中上中等球员差。但是有一部分球员倾向于中距离的打法，他们不容易因为持球多少而造成TS%的波动。
其次要拆分TS%的构成和球员的具体投篮分布。拆分构图很好理解。TS%的构成包括三分和罚球，可以通过FTr看球员来判断 s三分球命中率3PAr和罚球命中率。例如，coval s 3PAr高达0.777，即77.7%的投篮来自三分线外，所以coval s高TS%主要是大量的三分出手。再比如德玛尔·德罗赞，他的中距离打法效率很低，但他还能保持中等水平的效率，这得益于他强大的造犯规能力，连续5年每36分钟罚球超过7次。
观察球员的具体投篮分布，也是了解球员TS%成因的重要一环，比如兰斯·史蒂芬森，三分线外投篮。手不多，投篮命中率差，篮下投篮少。他的出手大多集中在中距离，所以他的低TS%完全符合一般理论。所谓打球不是魔球，所以哈登就不用说了，相反，应该有很多三分，篮下罚球。比如高伯特，小乔丹等人，他们在篮下的投篮命中率都非常高，TS%高也在情理之中。有些球员是特例，比如鲍尔:
球哥的投篮分配已经很神奇了。51%的投篮来自三分线外，超过83%的同位置球员，31%的投篮来自篮下，超过55%的同位置球员。所以他的TS%低得可怕，原因只是真的太铁了。
这里我们只说几个简单的例子。更细致深入的拆解分析，需要结合更多的数据和游戏场景进行解读。这里的两点只是作为一个大概的思考方向。
TS%有什么缺陷吗？
一般来说，人们总是会谈论某个数据的缺陷，并说一些类似于 "XX数据偏向某一类玩家 "，这往往是正确的。然而，说 "TS%偏向于那些三分以上，罚球更多的球员 "关于TS%的问题，因为在其他情况下，往往意味着数据的设计缺陷导致某一类玩家被高估或低估。但是TS%并不是一个评价，而是一个球员每投一球能换来多少分的客观记录。三分以上罚球多的球员在TS%上看起来不错，因为他们确实比其他球员有更高的得分回报。
另一个更科学的问题是，罚球比普通投篮更难得到前场篮板，三分球比近投更难得到前场篮板，所以TS%并不像其公式所示的那样等同于每次投篮的回报。在这个问题上，我和NylonCalculus的专栏作家Justin观点一致。这不是TS%应该承担的任务，而是反弹问题。我们不应该。;不要指望一个关于投篮效率的数据能回答球场上的所有问题。
所以我倾向于认为TS%在其合理的应用范围内没有致命的缺陷，是一个非常可靠的数据。
怎样才叫精确数和近似数，有什么区别？
精确数字:可以代表原始对象或事件的实际数量的数字。这个数叫做精确数。
约数:指接近精确数的数。
其中，精确数是这个数最原始的数据，没有经过任何化简、化简、四舍五入等运算就表示出来。近似值是通过舍入、输入一或截断与原始数据相差不大的数字。
有一个词 "关于 "大概的数字前面。
举个简单的例子，1？80.125
上面的0.125是一个准确的值。只要没有计算错误，答案只有一个
近似值表示答案不是精确值，例如0.125保留两位小数。数字是0.13。此时，我们正在看 "5 "千分之一，所以我们需要向前移动一。也可以保留小数点后0.1位，然后看 "2 "百分位数。
有效数字是指从整数部分，第一个非零数字到最后一个数字的计数。比如这里的0.00001只有最后一个1，而这里的0.10000有10000。
版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
