是之后数据分析模型与数据预测模型就带来了竟然的改变。插句题外话，他的决策部主观就是从红雀带来的助手。（心疼~）

    之后挖掘便宜c数据有问题且成绩烂到一塌糊涂的投手进行改造，在加练必备滑球之后把不好的球种彻底剔除，并加强投手的转速。（我也不知道为什么投手去了太空人转速都会上升，没人知道哈~）

    再之后改进，又签下战绩不太烂但是也没什么出彩点的投手进行面对左右打者的球种调配。

    这些都是数据模型的功劳，他能更精准的分析既定印象。就像大联盟圈子里很经典的一句话，数据是不会骗人的。

    休斯顿太空人在对投手的评价c预测与改造方面成绩斐然的真实性毋庸置疑。高直球与曲球的搭配是能够通过诡异验证重合度的方式描绘的，再不行还有模拟环境的真人准确度识别。

    再者，在模型之后，还验证了伸卡球对左打的效果低下，除非是伸卡的球速快到让打者无法判断。

    其实模型并不难建，只要有人工智能当面的知识面一般情况来说不懂棒球也不是问题。可难就难在棒球是一项非常老土的体育运动，老土到超乎你的想像。

    还记得测速枪之类的东西吗？这在大联盟早就被淘汰了。还有胜投数啊c打击率之类的统计数据，其实几十年前就不顶用了，可每个报告里还是免不了出现！老土！不愿革新。

    测速这方面有视频图像处理技术已经完全无用~如果不是这样恐怕现在在球场上还会有许多人举着测速枪来看球吧~

    众所周知，球探是一个关键，球探报告也是一个关键，可随着数据模型的建立，它们比之球探要更加准确。从基础数据到投球轨迹c打击速度和角度甚至守备站位都能精确到位，快速c精准有论证，可大联盟会放弃球探只相信数据吗？

    显然不会！

    那会忽视打击率吗？更不可能！

    会无视投手的胜投吗？绝对不可能！

    看！棒球就是那么老套！新事物要占据一席之地非常非常的难！

    所以现在沈秦一听说这个就想起之前和潘园的聊天，他打不了职业，但是又想从事棒球相关方面的工作，那数据模型这一块的确是一个很好的切入点啊。

    哪怕棒球现在不愿大力度的改革，以后肯定会的啊，从棒次到布阵，从调整到分析，哪一个都离不了数据！

    每年一支球队的162场比赛，30支球队！再并上小联盟从3a到a再到菜鸟联盟。一个球队下面还附属着4c5甚至6个球队！仅仅靠人？谁做的到？

    松语文学Www.16sy.coM免费小说阅读