Seberapa miripkah kedua pemain tersebut?
Ini adalah pertanyaan yang ditanyakan hampir setiap hari oleh para penggemar yang mencoba membandingkan pemain di liga. Percakapan biasanya berubah menjadi diskusi tentang gaya bermain, total poin, dan penghargaan. Meskipun percakapan ini menyenangkan, namun tidak membantu kami mengidentifikasi tingkat kesamaan antara dua pemain. Apakah Anthony Mantha lebih mirip dengan James van Riemsdyk muda atau Wayne Simmonds muda? Berkat statistik dasar dan geometri, kami dapat menghitung tingkat kesamaan antara dua musim pemain.
Untuk perbandingan kami, kami akan menggunakan komponen Sasaran Dawson Sprigings di atas model pengganti. Enam komponen model tersebut adalah sebagai berikut:
Dengan masing-masing variabel ini ditambahkan ke total waktu es pemain, kita dapat menghitung seberapa mirip musim dua pemain berdasarkan performa mereka di setiap komponen. Untuk melakukan ini, kita harus membongkar buku pelajaran geometri kita. Emmanuel Perry menguraikannya kalkulator skor kesamaan asli yang menghitung jarak Euclidean antara dua pemain menggunakan skor kotak dan komponen analitis yang berbeda. Kami akan menggunakan metodologi yang sama, namun kali ini kami akan menggunakan komponen GAR dan zaman es sebagai variabel kami.
Metodologi
Jarak Euclidean adalah istilah yang digunakan untuk menggambarkan jarak antara dua titik dalam ruang Euclidean. Jangan lari dulu karena saya yakin Anda sudah tahu cara menghitung jarak Euclidean (Catatan Editor. Tidak!):
Katakanlah Anda diminta menghitung jarak antara dua titik di atas (2,-2) dan (-2,2). Kita dapat menghitungnya dengan menggunakan Teorema Pythagoras yang menyatakan bahwa a2+b2=c2.
Melihat kembali contoh kita, kita dapat menghitung jarak antara dua titik dengan mengambil a2 (yang sama dengan 2 – (-2) = 42) + b2 (yang sama dengan (-2)-2) = (-4)2) untuk menghitung c2. Jadi, 42 + 42 = 32 dan akar kuadrat dari 32 = 5,66 yaitu jarak C antara dua poin kami.
Dengan menggunakan teorema yang sama, kita dapat menghitung jarak Euclidean antara dua titik untuk komponen GAR. Secara hipotesis, jika Dylan Larkin memiliki EVO 5 dan EVD 2 dan Connor McDavid memiliki EVO 11 dan EVD 3, maka jarak Euclidean antara kedua titik kita adalah (5,2) dan (11,3):
Jadi, jarak Euclidean antara Larkin dan McDavid adalah 6,08 dalam contoh hipotetis ini. Kita dapat menjumlahkan komponen lainnya sehingga jarak Euclidean antara dua pemain yang umurnya sama akan sama:
Sebelum kita mulai menghitung jarak, pertama-tama kita akan melakukan normalisasi pada masing-masing komponen GAR dan zaman es agar mempunyai skala yang sama. Selanjutnya, kita akan menghitung jarak Euclidean untuk semua pemain dengan usia dan posisi yang sama menggunakan nilai yang dinormalisasi. Setelah menghitung jarak Euclidean antara dua pemain, kami kemudian dapat mengubahnya menjadi persentase untuk mengevaluasi seberapa mirip dua pemain pada musim tertentu. Persentase ini kemudian dikurangkan dari 100 untuk menghasilkan skor kesepakatan. Jadi, pemain dengan kemiripan 95 persen akan berada pada jarak maksimum 5 persen dari pemain sebanding.
Hasil
Berikut adalah sepuluh musim pemain paling mirip untuk penyerang dan pemain bertahan Red Wings terpilih dari musim 2016-2017:
Henrik Zetterberg
Frans Nielsen
Danny DeKeyser
Trevor Daley
Untuk melihat Skor Kemiripan semua pemain Red Wings, klik Di Sini.
Hasilnya sebagian besar lolos uji “bau”. Frans Nielsen sering dianggap sebagai penyerang “defensif” dan daftar sepuluh musim paling mirip miliknya mencakup musim dari Mikko Koivu, Pavel Datsyuk, dan Joe Thornton. Rekan Henrik Zetterberg dari musim lalu termasuk Datsyuk, Thornton dan Henrik Sedin. Di sisi pertahanan, rekan-rekan Danny DeKeyser termasuk sejumlah pemain yang dianggap sebagai “bek bertahan”. Bagi Trevor Daley, saya menyukai perbandingan Derek Morris, yang merupakan pemain bertahan skating yang baik yang mencetak 25 poin atau lebih dalam sebelas musim berbeda.
Masih ada ruang untuk mengoptimalkan kalkulator skor kesamaan ini. Dengan menormalkan seluruh komponen GAR, saya menempatkannya pada skala yang sama. Sebaliknya, seseorang dapat memilih untuk memberi bobot pada komponen berdasarkan pentingnya masing-masing komponen. Skor Kesamaan asli Perry memungkinkan pengguna memberi bobot pada masing-masing komponen sesuai pilihan mereka, memungkinkan pengguna melihat bagaimana daftar mengubah musim serupa dengan bobot berbeda. Penelitian di masa depan dapat menyelidiki kegunaan pembobotan berbagai komponen GAR. Kami juga dapat mempertimbangkan untuk mengumpulkan rata-rata tertimbang beberapa musim dan memberi bobot lebih pada musim-musim terakhir, serupa dengan yang kami lakukan saat mengevaluasi proyeksi Marcel. Selain itu, seseorang dapat mengevaluasi kegunaan mengidentifikasi kelompok historis dengan Kalkulator Skor Kesamaan untuk memproyeksikan penilaian di masa depan.
Pada dasarnya, skor kesamaan memungkinkan kami mengidentifikasi pemain yang memiliki musim yang sebanding. Jika digunakan dengan tepat, hal ini dapat membantu kami mengidentifikasi pembanding historis yang secara teoritis dapat digunakan untuk memproyeksikan hasil di masa depan untuk pemain yang sangat mirip. Namun, seperti semua statistik, kegunaannya ada batasnya. Skor kesamaan tidak boleh digunakan untuk menentukan peringkat pemain atau menentukan pemain mana yang lebih berharga. Iterasi ini juga tidak membebani komponen GAR apa pun, sehingga dapat memengaruhi cara Anda memilih untuk menginterpretasikan hasil. Namun demikian, sistem penilaian kesamaan ini merupakan alat yang berguna untuk mengidentifikasi pemain serupa untuk menghasilkan kelompok historis.
Saya ingin mengucapkan terima kasih kepada Stephen Burtch atas bantuannya dalam membangun karya ini.
