メインコンテンツへスキップ
見出し画像

投手能力のチューニング その効果は?

    前回のしょーもないケアレスミスから待つこと1週間
    ようやく投手能力をチューニングしたシミュレーションが終わりました

    今回のチューニング振り返り

    チューニングについて軽く振り返ると、
    対戦シミュレーションではなぜか投手の能力が高くなる
    その原因は、投手の成績には投手打者との対戦成績が混ざっていたため
    という結論になりました
    ということで、投手成績から投手打者との対戦を除いた成績を投手能力とすることで改善を図っています

    詳しくはこちら

    詳細な改善内容は後に回すとして、まずは結果を見てみましょう!

    投手能力チューニングの効果

    まずは勝利数の比較から

    画像
    勝利数予実
    左チューニング前 右チューニング後

    勝利数にはほぼ影響を与えていませんね
    まあ、微調整レベルなので、「あまり変わらない」というのは正しい結果だと思います

    ということで本題の得失点を比較してみましょう

    画像
    得点予測
    左チューニング前 右チューニング後
    画像
    失点予測
    左チューニング前 右チューニング後

    両方とも相関係数が0.915程度から0.953程度に増加
    つまり、投手がいい感じに弱くなっています

    決定係数(ばらつき)も若干良くなり、見た目でも点が近似直線に近づいていますね

    まだ1には届きませんが、これは実績の打撃結果に対する期待値を合計しても、相関係数は0.9667となるのことが原因
    ということで、予測の誤差は0.014程度
    これはおそらく代打を実装していないことによる、投手打席の増加分や継投が十分に再現できていないことによるもの と考えています

    画像
    実際の得点と打撃結果から予測した得点期待値
    そもそもこのくらいは得点が小さく予測される

    投手能力に対する投手打者補正

    それではどんなふうに補正をしたのかを紹介します
    ※この章はかなり細かいので、読み飛ばしてもOKです

    投手打者との対戦を除いた投手能力の算出

    対戦投手打者数の算出
    投手成績から投手の打席分を除く というと簡単そうですが、案外そうもいきません
    というのも、「ある投手が何回投手打者と対戦したか」の記録はシーズン記録としては残っていないためです
    本気で除去しようとすると、全試合の対戦を確認する必要があるので、現実的ではありません

    ということで、ルールを設けて各投手の投手打者対戦数を算出することにしました

    投手打席数分配ルール
    ① 投手打者との対戦対象投手
     先発投手のみ投手打者と対戦することとする
    ② 投手打者との対戦数
     
    対戦打者数で分配する
     → 投手打者対戦率×対戦打者数 で算出
    ③ セリーグ・パリーグの投手打者打席数
     
    セリーグはセリーグ投手の打席数 
     パリーグはパリーグ投手の打席数 とする

    こんな感じでシーズン通しての成績だとわからないところは、それなりに割り切った形で投手の打席を分配しています

    ③に関してはちょっと違和感があると思います
    パリーグの投手はセリーグの投手打者としか対戦しないのに、なぜパリーグ投手の打席数? という疑問が生まれるかもしれません

    これは、パリーグ投手が何人のセリーグ投手と対戦したか というデータが残っていないため、交流戦でのセリーグ投手の打席数はおおむねパリーグ投手の打席数と同じ と仮定したためです

    先発救援両方を経験している投手
    先発救援両方を経験している投手の場合、ルールに従おうとすると、救援登板での対戦打者数を除く必要があります
    これもシーズン成績からは読み取ることができません

    そこで、救援登板1回での対戦打者数は、救援登板のみの選手のシーズン別平均から算出しました
    その値を全対戦打者数から除き、先発対戦打者数としました

    画像
    シーズン別 救援投手の1登板当たりの対戦打者数
    多少の変動はありますが、そんなには変わりませんね

    差し引く投手打者の成績
    シーズン別の打撃成績(セパ合算)から、各結果の比率を算出しました

    画像
    2025年度の投手打撃成績

    この発生率を投手との対戦打席にかけて、投手打者との対戦結果とします
    先発投手成績 - 投手打撃成績×投手打者対戦数
    を先発投手の成績とし、先発投手側の打撃結果発生確率を補正します

    ちなみに代表して各シーズンの投手出塁率をみてみると、そんなに大きくは変わらなそうですね

    画像
    シーズン別 投手打者出塁率

    セパを合算としたのはパリーグ投手の打席は交流戦のセリーグ主催試合に限られるため、サンプル不足と判断したためです

    ロジックの変更

    ロジックにも若干の変更を加えています
    通常の打者に関しては、今まで通り対数オッズ空間を用いて投手と打者の能力を合成して確率を算出する という考え方は同じです

    ※対数オッズ空間についてはこちら

    変更を加えたのは、打者が投手打者の場合です

    投手成績から投手打者分を除いている関係上、投手打者の方は反対に能力が過少評価されてしまいます

    ということで、投手打者の場合は、シンプルに投手打者のシーズン平均を打撃結果確率に用いることにしました

    もう一つの改善点

    勘のいい方なら気づいたかもしれませんが、
    ここまでの改善では相関係数が0.915→0.954に上がったことはわかるけど、精度(決定係数)がなぜ改善しているのかは説明できません

    画像
    失点予測精度の変化 (R^2 0.9967 → 0.9978 に改善)
    精度が上がっていて、点が近似直線に近づいている

    実は今回の投手能力のチューニングに合わせてもう一つ改善した部分があります

    それは対数オッズ計算に用いる、標準野手能力です

    前回は2009年~2025年全体の平均値を用いていましたが、今回からはシーズンごとに算出して用いるように変更しています

    代表としてシーズン別打率を見てみましょう

    画像
    標準打率推移

    こう見るとだんだん標準打率が下がってきていますね
    16年分の標準成績を一つにしていたことがばらつき要素になっていた ということだと思います

    余談ではありますが、打率が下がっているから投高打低になってきたとは言い切れないところは注意が必要だと思います
    OPSなど他の指標も網羅的に見る必要がありますが、ここでは話がそれるので扱うのはやめておきます
    プレイスタイルが変わってきている という見方にとどめておくのがいいと思います

    まとめ

    投手成績

    最後に投手の継投が現実に対してどうだったか を確認するため、投手成績を確認してみましょう 

    画像
    先発勝利数
    相関係数 1.0665 → 1.0549
    画像
    セーブ
    相関係数 1.0883 → 1.0818
    画像
    ホールドポイント
    相関係数 0.8523 → 0.8762
    画像
    救援登板数
    相関係数 0.9259 → 0.9460

    先発勝利数 セーブ ホールドポイント 救援登板数 を比較してみましたが、全体的にほんのり相関係数1に近づいています

    勝利数 セーブは減って、ホールドポイント・救援登板数が増えている

    おそらく、投手能力が下がったことで打ち込まれての交代が増えたんじゃないかと思います

    微妙な差だから「本当!?」って言われると何とも言えませんけどね

    今後の予定

    今回の結果から、期待値を使ったシミュレーションはかなりやり切った感があると思います

    盗塁・代打の実装などまだできていないことはありますが、次のステップで実装した方がいいと考えています

    で、

    その次のステップとは

    いよいよ期待値から卒業する時

    つまり、塁情報もシミュレーションに入れることで、より現実に近いシミュレーションを目指します

    まずは、シンプルな野球盤ルールから始めて、シミュレーションを動かせるようにしてから、徐々に要素を入れていこうと考えています

    でも、その前に

    今まで、実装を進めることを優先して、結果をあまり吟味してきませんでした

    ということで、次回は予測結果の深堀をしていきたいと考えています

    具体的には
    いい感じに予想できているシーズンもあれば、

    画像
    全順位正解はこの2シーズンと2024年セリーグ

    全然ダメなシーズンもあります

    画像
    大外ししているシーズン(Bクラスを優勝予想)
    他にもあります

    なぜ当たるのか?外れるのか?を深堀して、シミュレーションの得意不得意を把握することで、ここまでの期待値を使ったシミュレーションを、次のステップへ活かすことができると思っています

    ということで、それではまた次回!


    分析のの途中経過や試行錯誤、プロ野球の結果考察などをXでつぶやいています
    良かったらそちらも覗いてみてください

     
     
    機械系エンジニアを仕事にしてきましたが、巡り合わせでデータサイエンスの世界にも飛び込むことになりました。 プロ野球を題材にしたシミュレーションを進めているのでその過程を公開します データサイエンティストの皆さん、野球好きの皆さんに楽しんでもらえる記事にしたいです

    あなたへのおすすめ