論文の概要: Counterfactual Optimization of Baseball Pitch Sequences and Estimation of Its Impact on Season-Level Statistics

• arxiv url: http://arxiv.org/abs/2606.17345v1
• Date: Mon, 15 Jun 2026 22:47:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.166626
• Title: Counterfactual Optimization of Baseball Pitch Sequences and Estimation of Its Impact on Season-Level Statistics
• Title（参考訳）: 野球ピッチ系列の因果的最適化とその季節レベル統計への影響評価
• Authors: Ryota Takamido, Hiroki Nakamoto,
• Abstract要約: 本研究では,MLB Statcastデータを用いた実測分析を行った。 その結果,最終ピッチと設定ピッチの最適化は季節レベルの性能に大きく影響する可能性が示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Although pitch sequencing is a central topic in baseball analytics, previous studies have primarily focused on optimizing the final pitch within a single plate appearance, leaving the role of preceding setup pitches and their impact on long-term season-level performance insufficiently examined. To address these issues, this study conducted counterfactual analyses using MLB Statcast data. A Transformer-based machine-learning model was trained to predict whether a target pitch would result in an in-play outcome or swing-out. Counterfactual pitch sequences were then generated by replacing either the final pitch or the preceding setup pitch with alternative pitch types and locations while keeping the surrounding contextual information fixed. Optimal counterfactual selections were defined as those that minimized the predicted in-play probability, and their expected effects on pitchers' seasonal statistics were estimated using regression models linking model outputs to season statistics. The results suggest that the optimization of both final and setup pitches may substantially influence season-level performance, including improvements of more than 1.0 in K/9. The analyses also provided several practical insights, including velocity-band-specific effective locations, the importance of pitch commands, and the expansion of pitch-selection options through middle-velocity pitches. These findings quantitatively support the strategic importance of pitch sequencing in baseball.
• Abstract（参考訳）: ピッチシークエンシングは野球分析において中心的な話題であるが、従来の研究は主に1枚のプレート内での最終的なピッチの最適化に焦点を合わせており、前回のセットアップピッチの役割と長期レベルのパフォーマンスへの影響は十分に検証されていない。 これらの課題に対処するため,MLB Statcast データを用いた実測分析を行った。 Transformerをベースとした機械学習モデルは、ターゲットピッチがインプレイ結果やスイングアウトをもたらすかどうかを予測するために訓練された。 その後、周囲の文脈情報を固定しつつ、最終ピッチまたは前回のセットアップピッチを代替ピッチタイプと位置に置き換えて、対実ピッチシーケンスを生成する。 最適カウンターファクト選択は, 予測したインプレイ確率を最小化するものとして定義され, モデル出力と季節統計をリンクした回帰モデルを用いて, ピッチャーの季節統計への影響を推定した。 その結果, 最終ピッチとセットアップピッチの最適化は, K/9における1.0以上の改善を含む季節レベルの性能に大きく影響する可能性が示唆された。 この分析は、速度帯域固有の有効位置、ピッチコマンドの重要性、中速度ピッチによるピッチ選択オプションの拡張など、いくつかの実用的な洞察も提供した。 これらの知見は野球におけるピッチシークエンシングの戦略的重要性を定量的に裏付けるものである。

関連論文リスト

• LeapTS: Rethinking Time Series Forecasting as Adaptive Multi-Horizon Scheduling [74.94985663101906]
  本稿では,予測地平線上での動的スケジューリングプロセスとして時系列予測を再構成する新しいフレームワーク LeapTSを提案する。 LeapTSは、Transformerベースのモデルよりも2.6$times$から5.3$times$推論スピードアップを実現しつつ、全体的な予測性能を少なくとも7.4%向上させる。
  論文  参考訳（メタデータ） (2026-05-11T09:54:02Z)
• Neural Sabermetrics with World Model: Play-by-play Predictive Modeling with Large Language Model [12.123745125923731]
  本稿では,野球のプレイバイプレイワールドモデルであるワールドモデルを用いたニューラルセイバーメトリックスを提案する。 野球の試合を,メジャーリーグベースボール(MLB)の10年以上の追跡データに基づいて,長期にわたる自己回帰的なイベントのシーケンスとして,単一大言語モデル(LLM)を継続的に事前訓練した。 結果として得られるモデルは、統合されたフレームワーク内でのゲーム進化の複数の側面を予測することができる。
  論文  参考訳（メタデータ） (2026-02-02T23:31:28Z)
• PitcherNet: Powering the Moneyball Evolution in Baseball Video Analytics [13.928557561312026]
  PitcherNetは、生放送ビデオから直接ピッチャーキネマティクスを分析するエンドツーエンドの自動化システムである。 ピッチャー・トラックレットの識別では96.82%の精度で頑健な解析結果が得られる。 PitcherNetは、投球戦略を最適化し、怪我を防ぎ、投手のメカニックの深い理解を解き放つことによって、野球分析の未来への道を開く。
  論文  参考訳（メタデータ） (2024-05-13T01:03:06Z)
• ShuttleSHAP: A Turn-Based Feature Attribution Approach for Analyzing Forecasting Models in Badminton [52.21869064818728]
  バドミントンにおけるプレイヤー戦術予測のための深層学習アプローチは、部分的にはラリープレイヤの相互作用に関する効果的な推論に起因する有望なパフォーマンスを示している。 本稿では,Shapley値の変量に基づいてバドミントンにおける予測モデルを解析するためのターンベース特徴属性手法であるShuttleSHAPを提案する。
  論文  参考訳（メタデータ） (2023-12-18T05:37:51Z)
• Bayes-xG: Player and Position Correction on Expected Goals (xG) using Bayesian Hierarchical Approach [55.2480439325792]
  本研究は, 期待目標(xG)測定値を用いて, 目標となるショットの予測における選手や位置要因の影響について検討した。 StatsBombの公開データを使って、イングランドのプレミアリーグから1万発のショットを分析している。 この研究は、スペインのラ・リガとドイツのブンデスリーガのデータに分析を拡張し、同等の結果を得た。
  論文  参考訳（メタデータ） (2023-11-22T21:54:02Z)
• Performative Time-Series Forecasting [64.03865043422597]
  我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。 本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。 新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
  論文  参考訳（メタデータ） (2023-10-09T18:34:29Z)
• Transformer-Based Neural Marked Spatio Temporal Point Process Model for Football Match Events Analysis [0.6946929968559495]
  本稿では,ニューラル・テンポラル・ポイント・プロセス・フレームワークに基づくフットボール・イベント・データのモデルを提案する。 検証のために,サッカーチームの最終ランキング,平均ゴールスコア,シーズン平均xGとの関係を検討した。 平均HPUSはゴールやショットの詳細を使わずとも有意な相関を示した。
  論文  参考訳（メタデータ） (2023-02-18T10:02:45Z)
• Improved Fine-tuning by Leveraging Pre-training Data: Theory and Practice [52.11183787786718]
  対象データに事前学習されたモデルを微調整することは、多くのディープラーニングアプリケーションで広く利用されている。 近年の研究では、スクラッチからのトレーニングが、この事前トレーニング戦略に比較して、最終的なパフォーマンスを示すことが実証されている。 本稿では,対象タスクの一般化を改善するために,事前学習データからサブセットを選択する新しい選択戦略を提案する。
  論文  参考訳（メタデータ） (2021-11-24T06:18:32Z)
• Rank Position Forecasting in Car Racing [4.996917739851556]
  本研究では,自動車レースにおけるランク位置予測問題について検討し,将来のラップにおけるランク位置の予測を行う。 統計的モデルや機械学習回帰モデルといった既存の手法には,予測に制限があることがわかった。 ピット停止イベントの実験的解析により、ランク位置シーケンスとピット停止イベントを別々にモデル化した原因分解を含む、深いモデルであるランクネットを提案する。
  論文  参考訳（メタデータ） (2020-10-04T22:27:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。