যখন সংখ্যাগুলো মিথ্যা বলা বন্ধ করে

তিন মাস আগে, আমার প্লেয়ার এফিসিয়েন্সি মডেল জেলেন গ্রিন সম্পর্কে একটি অস্বাভাবিক বিষয় চিহ্নিত করেছিল: তার ‘ক্লাচ টাইম’ শুটিং শতাংশ (শেষ ৫ মিনিট, স্কোর ৫ পয়েন্টের মধ্যে) ১৫৮ জন যোগ্য গার্ডের মধ্যে ১৪৭তম স্থানে ছিল। কিন্তু তার সম্পর্কে কথোপকথন অটলভাবে আশাবাদী ছিল - যতক্ষণ না ইমে উডোকা এসেছিলেন।

মেরিটোক্রেসি ইফেক্ট

উডোকার সিস্টেম আমার পাইথন স্ক্রিপ্টের মতো কাজ করে - নির্মমভাবে অবজেক্টিভ। ড্রাফট পজিশন বা মার্কেটিং পোটেনশিয়ালের জন্য কোন প্রিফারেনশিয়াল ট্রিটমেন্ট নেই। যখন আমাদের ক্লাস্টারিং অ্যালগরিদম গ্রিনকে অন্যান্য হাই-ইউজ/লো-এফিসিয়েন্সি গার্ডদের সাথে গ্রুপ করল (চিত্র ১ দেখুন), তখন উপসংহার অনিবার্য ছিল:

python

সরলীকৃত ডিসিশন ট্রি

if (PER < league_avg && TS% < .540 && defensive_rating > 115):

trade_value = depreciating_asset

প্রধান ফলাফল:

• ডিসেম্বর থেকে চতুর্থ কোয়ার্টারে মিনিটে ৪২% পতন
• অন/অফ কোর্ট নেট রেটিং: -৮.৩ (রোটেশন প্লেয়ারদের মধ্যে সবচেয়ে খারাপ)
• ডিফেন্সিভ ল্যাপস প্রতিপক্ষ স্কোরিং বিস্ফোরণের ৬৩% জন্য দায়ী

সাইকোলজিকাল এক্স-ফ্যাক্টর

অ্যাডভান্সড স্ট্যাটস গ্রিট পরিমাপ করতে পারে না, কিন্তু আমার রিগ্রেশন মডেলগুলি স্পষ্ট প্যাটার্ন সনাক্ত করে। গ্রিনের “সঙ্কোচন সহগ” (প্লেঅফ টিমগুলির বিরুদ্ধে পারফরম্যান্স হ্রাস) একই বয়সে দেবিন বুকারের তুলনায় ২.৩ গুণ বেশি। এটি উন্নয়ন নয় - এটি ডিএনএ।

মজার তথ্য: আমাদের নিউরাল নেটওয়ার্ক তার সাম্প্রতিক “ক্ষমাপ্রার্থী ট্যুর” ৭৮% আত্মবিশ্বাসের সাথে ভবিষ্যদ্বাণী করেছিল যখন ট্রেড গুজব প্রকাশিত হয়েছিল। desperation যেকোন কোচিং সমন্বয়ের চেয়ে দ্রুত শট সিলেকশন পরিবর্তন করে।

ফিনিক্স প্যারাডক্স

প্রস্তাবিত কেভিন ডুরান্ট পরিস্থিতি আমাকে গাণিতিকভাবে মুগ্ধ করেছে:

এমনকি aging curves পরামর্শ দেয় যে KD এর দুই বছর wishful thinking এর সাত বছরের চেয়ে বেশি মূল্যবান। সেই protected Suns picks? Smart hedging - আপনার মডেলের weights catastrophic overfitting এর আগে সংরক্ষণ করার মতো।

ডেটা কখনই মিথ্যা বলে না… কিন্তু কখনও কখনও এটি অস্বস্তিকর সত্য কথা বলে।