Player Rating with R

@flaty

Japan.R 2018

​

Self-introduction

• flaty
• 仕事：データ分析とか
• 運用系のデータが中心(機器のログデータとか)
• 社会人２年目
• 趣味：テニス(時々データ分析)

Tennis

• 一対一でボールを打ち合うゲーム
• 色々なタイプの選手がいる
• 攻撃的な選手、守備的な選手
• ラリーが強い選手、サーブが強い選手
• 選手の強さを定量的に評価することが難しい

Tennis

• 一対一でボールを打ち合うゲーム
• 色々なタイプの選手がいる
• 攻撃的な選手、守備的な選手
• ラリーが強い選手、サーブが強い選手
• 選手の強さを定量的に評価することが難しい

53万 !?

Elo Rating

• 一対一で勝敗が決する競技におけるレーティング法
• 幅広く使われている(国際チェス連盟など)

Elo Rating

• レーティングが同じものでの対戦場合、勝率は50%
• レーティング差が広がるほど高い方から見て勝率が100%に近づく

EA: Aの勝率

RA: Aのレーティング

RB: Bのレーティング

Elo Rating

• A(レーティング:2000)とB(レーティング:1800)で考える
• 期待されるAの勝率は右式より約76%
• Aが勝った場合
• Aのレーティングが(1-0.76)*27増える(27は任意定数)
• Bのレーティングが(1-0.76)*27減る
• Bが勝った場合
• Aのレーティングが(1-0.24)*27減る
• Bのレーティングが(1-0.24)*27増える

Elo Rating with R

• データ
• kaggleのデータセット(https://www.kaggle.com/m3financial/atp-tennis-data-from-201201-to-201707)
• 2012~2017年途中までの男子プロツアーの結果
• 方法
• PlayerRatings packageのelo関数を使用
• elo以外にもglickoなど他のレーティングも算出可能

Elo Rating with R

• こんな感じで簡単に使える

​

• 入力データはこんな感じ(Dateが数値型なところに注意)

​

Result

10選手のレーティング推移

​

初期値は2200(デフォルト)

​

1年程度でスコアが安定

Result

錦織選手にハイライト

​

2014年に大きくレーティングを上げている

Result

準優勝した全米はピンクのところ

​

シーズン序盤から好調だったことがわかる

Summary

• 2014年の錦織は凄かった

​

• PlayerRatings packageを用いれば、色々なレーティングを簡単に求められる

https://github.com/flaty4218/20181117_TennisAnalysis/blob/master/20181201_JapanR_LT_TennisAnalysis.Rmd

Enjoy!