I. Introduction

1) 농구의 포지션 이란? 스탯?

포지션

모든 NBA 선수들은 플레이하는 역할에 따른 '포지션'이라는 라벨을 가지고 있다.
전통적인 포지션은 다음과 같다

포인트 가드(PG) - 팀의 사령탑 역할을 하며 보통 팀에서 가장 전술적 이해가 좋은 선수가 맡는다.
슈팅 가드(SG) - 3PT 등 장거리에서 슛을 하여 점수를 얻는 것을 주역할로 한다.
스몰 포워드(SF) - 점수를 얻는 것을 주된 역할로 한다. 외곽 슛, 속공 및 리바운드 싸움에도 참여할 수 있는 올라운드 능력이 요구됨.
파워 포워드(PF) - 코트 골밑에서 수비, 득점을 주요 역할로 하고 리바운드와 골밑에서의 몸싸움 및 득점 능력 등 파워풀한 플레이가 요구됨.
센터(C) - 골밑 중앙에서 활동하는 포지션. 공격에서는 골밑슛을 책임지고 수비에서는 가장 페인트존을 책임지며 상대의 슛을 블로킹으로 차단하는 역할까지 한다.

스탯

왼쪽 위부터 리바운드, 3점슛, 블로킹, 스틸

리바운드 : 슈팅이 성공하지 못하고 튕겨 나왔을 때 잡는 것
3점슛 : 24피트 밖에서 던지는 슈팅
블로킹 : 상대가 슛한 공을 수비가 반칙이 아닌 선에서 쳐내는 것
스틸 : 상대가 가지고 있는 공을 반칙이 아닌 선에서 가로채는 것

이 밖에도 득점, 어시스트, 슛 성공율, 파울, 자유투 등 다양한 스탯들이 존재

2) Motivation

하지만 오늘날의 게임 방식은 크게 달라졌다. 선수들의 장거리 슛 성공률이 높아짐에 따라 팀들의 3점 활용이 늘었고, 그에 따라 3점 슛을 방어하기 위해 바스켓에서 더 멀리 수비라인을 넓혀갔다. 이에 따라 수비라인 간격이 벌어지며 다른 플레이어가 3점 슛 라인 안쪽에서 활약할 수 있는 공간이 훨씬 넓어졌다. 이전에는 주로 3점 슛을 던지는 포지션이 가드였다면 현재는 모든 포지션에서 3점슛의 점유율이 증가하였다.

이 분석은 현대 농구의 플레이 스타일이 전통적인 방법으로 나눈 5개의 포지션 구분을 무너뜨렸다 생각하여 시작하게 되었다. 우리가 선택한 이 주제는 전통적인 포지션 분류를 재정의 하며 선수의 플레이 스타일에 따른 포지션의 재정의, 선수의 구분 그리고 그에 따른 인사이트 발견을 통해 심도있는 선수분석을 목적으로 한다.

3) 데이터 수집 및 전처리

- 데이터 출처

NBA.com
NBAminer.com
Basketball-reference
ESPN.com
Elias Sports Bureau
Spotrac.com

- 데이터 전처리

*이상치의 발생 및 처리

위의 그림에서 보다시피 출전 경기가 적고, 출장시간이 적은 선수들은 비율 스탯 등이 이상치로 나타날 수 있다. ex)슛 성공율 100%, 0% 나타남
이런 이상치를 제거하기 위해 출전 경기 30경기 이상, 경기당 평균 출전시간 10분 이상의 선수만 선택하여 진행하였다.

각종 논문 및 리포트에서도 클러스터 분석 등에 총 한시즌 출전 시간 500분 이상, 30경기 이상 출전,
평균 출전시간 10분 이상 등을 기준으로 하여 사용한 것을 볼 때 위의 기준이 사용 가능하다는 것을 알 수 있다.

*30게임 이상, 평균출전시간 10분 이상인 선수 추출

*변수 정리

col = [Basic stats : Games, Min, Pts, Reb, Ast .......
Clutch Time stats : Total Points, FG% Diff, 3FG Diff .......
Advanced stats : Total Plus/Minus, Ts%, Triple Doubles .......
Nasty stats : Ejections, Blocks Against, Defensive 3Secs .......
Shot Distances : Less than 8ft. %, Back Court Shots %, Avg. Shot Dis.(ft.) .......
Shot types : Dunks, Jump Shot %, Assisted FGM %, .......
Shot zones : Above the Break 3-Usage, Right Corner 3-Usage, Restriced Area % .......
Assist Details : Assted FG%, Avg. Assisted Shot Distance, Assisted Jump Shot %.......
Turnover Details : Lost Ball TO PG, Bad Pass TO PG, Traveling PG.......
Foul Details : Off.Fouls Drawn, Shooting Fouls Committed, Lost Ball Fouls.......
Four Point & And One : Four Point Plays, And One, Extra Free Throw % .......]

이번 분석에서는 총 152개의 변수에서 실제 NBA 기록의 중요도 및 중복되는 부분을 감안하여 90개의 변수를 사용하여 분석하였다.
90개의 경우 농구 기록의 범위를 살펴볼 때 많은 것으로 여겨질 수 있지만,
다른 논문에서 변수 각각이 설명할 수 있는 범위를 넓히기 위하여 총 80개의 변수를 사용하였던 예를 볼 때, 분류 정확도를 높이기 위하여 90개의 변수를 사용하는 것은 무리가 없다고 가정하고 진행하였다.

2. Model setup

Classification 모델 선택

(1) K-means(K-means++)
(2) Hierarchical Clustering
(3) EM Clustering
(4) 가장 결과가 좋은 것? K-means++

클러스터 분석 클러스터에 높은 값을 가진 feature 순위를 매겨 중요속성을 골라내었고, 선수의 플레이스타일을 정의하여 클러스터에 새롭게 라벨링을 해주었다.

Classic big : 골밑에서의 득점, 공격 및 수비 리바운드와 블록에 능한 선수 #0
Aggressive big : 공격 리바운드와 블록, 득점력이 강한 선수 # 7
Non-scoring Big : 리바운드와 블록에 강점이 있지만 득점력이 약한 선수 #8
Midrange Stopper : 필드골 득점력과 리바운드 및 블록샷 등 수비에 강점이 있는 선수 #3
Balanced wing scorer : 측면 공격, 3점슛, 패스를 받아 넣는 필드골에 강점이 있는 선수 #6
Ball Handler : 돌파 등을 통해서 본인이 만들어서 득점을 하며 2차 어시스트에 강점이 있는 선수 #4
Long shooter : 3점 슛 득점력이 가장 뛰어난 선수 #1
All-Round Player : 득점, 어시스트, 리바운드, 3점 슛 성공률등 여러 스탯에 강점이 있는 선수 #5
Defensive passer : 어시스트와 스틸에 강점이 있고 수비적인 성향이 강한 선수 #2
Commander : 어시스트를 주력으로 하는 득점력을 겸비한 플레이메이커 #9

3. Apply basketball analysis by clustering data

농구 흐름에 따른 1998-2017 포지션 변화 추세 분석

-- 전체 기간, 전체 클러스터

1. Balanced wing scorer , Long shooter는 증가의 추세를 가지며

2. Midrange stopper는 감소의 추세를 가진다.

3. 하지만 나머지 포지션 같은 경우에는 시즌별 편차가 있어서 시대별 흐름에 따라 이를 더 자세히 검토하도록 하겠다.

1990 ~ 1999 : 센터의 시대(4대 센터)
2000 ~ 2009 : 슈팅가드의 전성시대
2010 ~ 2017 : 스몰볼 시대

(출처 : http://www.rookie.co.kr/news/articleView.html?idxno=6126)

-- 1996 ~ 2017 추세

위에서 확인한 바와 같이, Balanced wing scorer , Long shooter, Midrange stopper는 전체 연도별 흐름에서 일정한 추세를 가지고 있는 것을 알 수 있었다. 이는 점점 90년대에는 센터 위주의 농구 였지만 점점 가드 위주의 농구로 전환됨에 따라 이런 추세를 띈 것으로 보인다.

-- 1999년 이전 추세

센터의 시대가 끝나감에 따라서 Aggressive big의 감소추세가 나타나며, Defensive passer가 증가추세가 나타난다.

-- 1999 ~ 2009년 추세

슈팅가드의 시대가 시작됨에 따라, shooter와 관련된 포지션의 증가를 확인할 수 있다.

-- 2010년 이후 추세

스몰볼의 흐름에 따라서 Long shooter, Ball Handler, Balancer wing scorer의 증가를 확인 할 수 있었다.

4. Conclusion & further research

Conclusion

K-Means 클러스터링을 이용하여 NBA Position에 대해 기존의 5가지의 분류와는 다른 새로운 10가지 포지션으로의 분류를 시행함
새롭게 정의한 포지션 별 년도별 흐름 파악

further research

수비에 관한 구체적인 기록들이 클러스터링 부분에 많이 반영되지 않아 향후 수비 관련 지표들에 대해 더 추가하여 반영할 필요가 있음
2차 스탯 및 플레이오프 스탯 등을 반영할 수 있는 더 정교한 모델 및 클러스터링 작업과 추가적 데이터 확보

# 5. References 1. A new perspective on positions in baskerball players using cluster analysis http://www.sloansportsconference.com/wp-content/uploads/2012/02/44-Lutz_cluster_analysis_NBA.pdf

Modern NBA player positions - using Unsupervised clustering to uncover Functional Roles in Basketball도 참고) https://medium.com/hanman/the-evolution-of-nba-player-positions-using-unsupervised-clustering-to-uncover-functional-roles-a1d07089935c
A New Perspective On Positions In Basketball Players Using Cluster Analysis http://www.academia.edu/28430572/A_New_Perspective_On_Positions_In_Basketball_Players_Using_Cluster_Analysis
NBA.com Player, Combination, Team stats
NBAminer Player stats
http:// Basketball-reference.com

김기욱, 변치웅, 신상훈, 하태준

overgroove / nba_position_clustering Goto Github PK

nba_position_clustering's Introduction