Avec la saison 2016-17 seulement quelques semaines de suite et la libération de défendre les projections de « Très plausible » victoire du champion Andrew Johnson il y a quelques jours le temps est venu pour moi de sortir mes propres projections de victoire « J’espère que possible ».

Les projections de Win sont un exercice de précision répétée. Convenablement l’attribution de valeur de joueur, prédire la valeur de joueur pour l’année prochaine, prévoir des minutes et représente l’influence des caractéristiques de jeu à victoires que tout doit être fait avec précision pour la projection finale pour se rapprocher les résultats éventuels. Même si tout ce qui précède est bien fait, une blessure grave peut jouer un rôle démesuré.

Pour le plaisir, j’ai aussi simulé la saison et résultant de loterie projet 10.000 fois d’estimer la distance de gagne une équipe peut tomber dans, pourcentage permettre certains repêchages au filet et la pourcentage chance de briser certains documents. Ces détails sont tous énumérés ci-dessous. J’ai aussi inclus victoires projetées d’Andrew et la ligne actuelle de Pinnacle. Andrew est un peu plus proche de l’argent en ligne que moi (mais pas de beaucoup), ce qui signifie probablement qu’il est plus juste.

Quelques réflexions

Golden State est la seule équipe qui a une chance de briser le record de victoires. C’est une chance non négligeable, 21.43 %. Permet d’ajouter Kevin Durant.

Je suis moyen supérieur sur Oklahoma City puis Andrew et Pinnacle. Une partie de qui pourrait être due aux différences dans l’évaluation de Russell Westbrook. Un mélange de BPM-tr/min (ou similaire) attribue effectivement plus de jeu positif d’Oklahoma City l’an dernier à Russ plus DK. PT-PM est en désaccord. Minutes projetés pourraient également jouer un rôle.

Avenir de Boston est amusant. Une 99,18 % de chance de faire les séries éliminatoires, une série de victoire qui s’étire sur des années 50 élevées et un 98,64 % de chance d’obtenir un top dix choisir cette année, avec la permission de l’échange de Brooklyn.

Cleveland Cavaliers Magasin,Prédiction de Sacramento a sauté sur moi comme quelque chose que je ne m’attendais pas, mais Andrew et moi sommes tous deux considérablement au Pinnacle sur eux. Vous pouvez mieux croire qu’un mélange de BPM-tr/mn selon l’âge pour Boogie à 26 est le principal facteur derrière une projection de Sacramento plus élevé que prévu.

Si je devais choisir une équipe qui je sens que je vais être trompé sur, c’est à Detroit. Entre André, le marché et le coaching derrière cette organisation (dont je ne fais aucun rajustement pour), cette projection me semble mûr pour se tromper. Andrew est un projeté sous l’eux trop.

Si je devais en choisir une deuxième équipe qui je sens que je vais être trompé sur, c’est à Milwaukee. La blessure de Middleton eux blesse beaucoup, donc si les nouveaux sauts qui lui donne une récupération plus rapide, ils pourraient améliorer notablement sur cette projection. Une projection de points +1,18 par 100 pour Giannis cette saison me semble aussi odieusement faible, et s’il y a un joueur qui ne correspond pas au modèle classique, il pourrait être Giannis.

Andrew et moi sommes deux moyen inférieur sur Minnesota et plus élevé sur Brooklyn.

La blessure de Chris Bosh sera certainement emporter plusieurs Miami remporte cette année, et il peut emporter carrière de Christ Bosh qui je me sens vraiment fâcher.

Orlando Oladipo Ibaka commerce peut-être pas l’effet qu’ils espèrent qu’il ait. Mais j’ai été très, très, très mal avant.

Philadelphie a 99,83 % de chances d’avoir au moins un top dix pioche et un proche 44 pour cent de probabilité d’avoir deux. Les 76ers propre que Pick de la Lakers a fourni la pioche n’entre pas dans les trois premiers. Ils également swap propres droits avec les Kings, bien que les chances de ce swap en cours d’exécution sont très petites. Un peu mentionnés par rapport à la reprise des Lakers est que le quatrième au classement général choisir résultat de loterie de projet le plus probable pour la pire équipe globale. Une autre note sur Philadelphie : Joel Embiid et Ben Simmons (si il joue), sont les seuls rookies je projette d’avoir un impact positif cette année. Rookies sont généralement mauvaises.

Dans ma quête de faire des projections précises victoire, j’ai tenté d’imiter la statistique qu’Andrew a utilisé pour la valeur de joueur dans ses précédentes projections de victoire APBR-concours-gagnant. Andrew a détaillé sa méthodologie pour son joueur suivi plus-moins statistique plusieurs fois, mais essentiellement, plus-moins suivi du joueur est en moyenne d’une prédiction de régression basée de pluriannuel régularisé ajusté plus-moins (RAPM) estimés à l’aide de statistiques suivi du joueur et le RAPM pluriannuel c’est prévoir.

D’un désir d’autonomie et dans une tentative d’eek avantage concurrentiel la même route de l’innovation que Andrew nous a conduit, j’ai tenté d’assigner la valeur de joueur avec une approche beaucoup plus complexe, créer mon propre RAPM pluriannuel, mon propre cadre de régression suivi du joueur et mon propre RAPM informé au préalable. Si le résultat final de cette expérimentation a définitivement passé l’essai de rire (pour moi), je trouve qu’il n'est pas tout à fait aussi prédictive comme statistiques actuellement disponibles comme plus-moins réel (tr/min) et boîte plus-moins (BPM) et dut malheureusement ne pas l’inclure dans les calculs de valeur de mon joueur. Test complet du hors-échantillon j’ai trouvé qu’un mélange pondéré pluriannuel de tr/min et BPM effectuées mieux prédire les victoires, puisqu’il produit constamment l’erreur le plus bas par rapport à d’autres statistiques et les mélanges de statistique, que j’ai essayé.

Avec des joueurs existants, j’ai pu utiliser des leurs saisons précédentes tr/min et BPM et ajuster cette valeur pour l’âge basée sur les courbes de l’âge des joueurs de la NBA historiques. Pour les rookies, cependant, j’ai dû prendre une autre approche. À cette fin, j’ai estimé la valeur de recrue en deux approches distinctes. Tout d’abord, j’ai pris le résultat de mes projections de projet, qui prédisent deux ans un joueur de pointe et à l’échelle appropriée que dans mon mélange rang (comme mes projections de projet ont été réalisées sur une échelle de « victoires-added »), et âge utilisé les courbes de réduire cette valeur de projection du projet d’un sommet de la carrière à son année recrue à venir. Ensuite, j’ai créé un modèle qui prédit la première année du joueur BPM, basée sur des attributs tels que première année âge, hauteur, poids et projet de position. Mon résultat final pour la valeur de la recrue est simplement la moyenne de ces deux approches.

Pour prévoir la quantité de minutes que chaque joueur allait jouer, j’ai créé un modèle de forêt aléatoire qui a utilisé la quantité de minutes qu'un joueur a joué sur le dernier deux ans (ou un an), ainsi que des variables et des interactions concernant les BPM exercices antérieurs, taille, âge, poids, expérience et projet du poste. Le modèle de la recrue a suivi la même logique, mais seulement utilisé âge, caractéristiques physiques et projet afin d’estimer le nombre total de minutes joués. Ensuite j’ajuste manuellement pour connu blessures avec les meilleures guestimates de comment il influencera leur nombre total de minutes joués, blessures comme, mais non limité à, les blessures subies par Chris Bosh, Khris Middleton et Ben Simmons. Lorsque le total des minutes d’équipe prédites sont sans doute pas exactement les mêmes d’une équipe à l’équipe, j’ai réglé les minutes de chaque joueur issus de leur part en pourcentage prévue de l’équipe et soit donner beaucoup plus ou s’est beaucoup moins du réalignement minutes aux joueurs prédit top dix de la rotation.

La somme du produit de la valeur de mon joueur mélange tr/min-BPM et les minutes, un joueur a joué ont ensuite été utilisés pour estimer la force de chaque équipe, et la différence de la force de cette équipe a été utilisée pour aider à former prédictive modèle sur des données historiques de NBA au niveau du jeu. Également parmi les variables explicatives de ces modèles était l’altitude du jeu, le reste, que chaque équipe avait eu avant le jeu et l’interaction de variables qui sont responsables de combien de temps le jeu a été et si cela signifiait un avantage pour l’équipe meilleure ou la pire équipe. Plus de possessions diminue la variance, qui signifie qu’une mauvaise équipe peut gagner plus de jeux au cours d’une saison tout simplement en jouant plus lentement, en raison de donner la meilleure équipe moins d’occasions d’être mieux. J’ai testé plusieurs méthodologies de modélisation différentes pour la tâche de prédiction de jeux, mais trouvé qu’un ensemble de régression logistique et prédictions de gradient régression stimulé produit le meilleur de l’échantillon.

Pour arriver au totales victoires, j’ai simplement agrégées les probabilités estimées et arrondie à la victoire le plus proche. Pour le plaisir, j’ai aussi simulé la saison et résultant de loterie projet 10.000 fois d’estimer la distance de gagne une équipe peut tomber dans, pourcentage permettre certains repêchages au filet et la pourcentage chance de briser certains documents. Ces détails sont tous énumérés ci-dessous. J’ai aussi inclus victoires projetées d’Andrew et la ligne actuelle de Pinnacle. Andrew est un peu plus proche de l’argent en ligne que moi (mais pas de beaucoup), ce qui signifie probablement qu’il est plus juste.