資料探勘與分析
CPBL(中華職業棒球聯盟)-18年各球隊戰績相關分析
專題實驗計畫書
專題實驗H組
班級：資四Ｂ
組員：
陳嘉偉９３１５６２１２
陳建中９３１５６２１７
王皓宇９３１５６２２０
劉純熾９３１５６２２４
賴旻廷９３１５６２３４
邱景宏９３１５６２４５
一背景與動機
資料探勘在電腦資訊爆炸的時代下越來越受重視，人們可以利用資料蒐集及電腦分析去瞭解資料中的有效意義，對於資訊做更有效的運用；例如很有名的例子之一：大賣場會將啤酒放在尿布商品區旁，因為爸爸在下班順便買尿布時看到啤酒就會順便買，這就是資料探勘的結果運用，所以可以在大筆資料中找到有用的資訊，對於企業的營運或管理可以有很大的幫助。
近年來棒球運動慢慢的受到大家重視，輔以王建民加入洋基對所得到的好表現所影響，漸漸地大家對棒球產生興趣，但大家對美國職棒聯盟(MLB)的熱情卻遠高於台灣本身的中華職棒聯盟(CPBL)，所以我們想要從中職得元老球隊「兄弟象」今年的對戰紀錄中去了解一些基本要素隊比賽結果的影響，根據比賽中重要的幾項數據如安打數、失誤數…等等去分析對於勝率的影響，也對幾位看板球員的個人成績〈如長打數、打點…等〉去分析對於每一場比賽獲勝的影響機率。
二資料探勘目的
我們從傳統強隊兄弟象今年的表現普普的戰績中去分析，以今年的安打數、失誤數去分析目前的勝率，也依照每一場例行賽的紀錄去分析，先得分或是先失分的勝率差異，亦或是安打數跟勝率有沒有關係，另外在棒球場上常會說上壘率(安打+保送)會不行更是直接影響比賽的結果？這都是值得去探討的。而在團隊的紀錄分析上也有逆轉的分析，在球隊落後幾分時可以逆轉，例如在攻擊強的隊伍落後3分都是屬於可以追過的程度，我們講以勝率5成來分析，也就是說在全年的賽程中落後幾分以內是會有5成的勝率。
另外，在球隊中的看板球星的紀錄表現會不會對球隊有直接影響，例如兄弟向中最重要的彭政閔即是一個值得探討的點。依照這2個大分析方向去分析球隊的戰績分析，希望可以在每一場的紀錄中去分析球隊最重要的紀錄，來分析球隊的戰績表現。
三資料之取得來源
資料以中華職棒CPBL官網〈https://www.doczj.com/doc/af14897710.html,〉的資料為主，裡頭包括所有兄弟象球員的紀錄，如安打數、打點數、打擊率…等，由此來分析每一場比賽的要素影響。
四各球隊簡介
1990年四支創始球隊之一，母企業為統一企業。在台灣南部擁有龐大的支持者，並且在所有球團中率先投下鉅資認養台南球場，成為台灣職棒球團經營球場的最佳典範。獅隊曾經在1991、1995、1996及2000年四度奪得年度總冠軍，是台灣棒壇所認同的傳統勁旅。
1990年四支創始球隊之一，母企業為兄弟大飯店。兄弟象隊在台灣擁有深厚的球迷基礎，同時在1992年至1994年間創下連續三年總冠軍的傲人成績。象隊在2001年奪得隊史上的第四度年度總冠軍，此後並在2002、2003年連續奪得總冠軍，成為中華職棒史上唯一兩度締造三連霸紀錄的球團。
1993年俊國熊隊加入中華職棒，1995年由興農企業接手經營權，完成台灣職棒史上第一宗球團買賣案例。絕大多數的1992年奧運銀牌代表隊主力球員皆在陣中。1997年與洛杉磯道奇隊展開空前規模的訓練合作計劃，1998年及2000年皆打入總冠軍賽，但都在第七場決定性的比賽中敗北。。2004年興農牛隊以4勝3敗擊敗統一獅隊，拿到成軍以來第一次的年度總冠軍，2005年再以4連勝的成績在總冠軍賽中擊敗誠泰COBRAS，拿下2連霸。
1997年加入中華職棒聯盟，母企業為中國信託。在加盟職棒前的業餘聯賽中，曾一舉蟬聯1994年春、秋兩季冠軍，更於秋季聯賽中以十六連勝打破兄弟象業餘時代十五連勝紀錄。1996年春、秋聯賽中，再度拿走冠軍盃，同時創下四連霸紀錄。鯨隊在加入中華職棒第三年，即於1999年奪得球季排名第一的頭銜，
但在季後賽中遭味全龍隊淘汰。2002年曾再度進入總冠軍賽，但以零勝四敗不敵對手兄弟象隊。
誠泰銀行在持續以贊助方式投入棒球運動數年後，終於在2003年正式取得球隊的完全經營權，以「誠泰COBRAS」的隊名加入中華職棒的行列。延續過去誠泰太陽隊的班底，誠泰球團聘請前日本西武隊名將郭泰源擔任總教練、巨人隊好手呂明賜擔任打擊教練，並且積極完成三芝棒球練習場的整建，同時也協助轉檯選手再度回到中華職棒貢獻心力。誠泰隊終在2005年上半季奪下隊史第一座季冠軍，但很可惜在總冠軍賽中不敵興農牛隊，無緣隊史第一座總冠軍。累計過去贊助誠泰太陽隊的經驗，誠泰COBRAS勢必在新局面中往高峰邁進。
2003年初第一職棒公司將球隊轉手至聲寶公司旗下達盛公司，國內著名製鞋企業La New不但出資認養高雄縣澄清湖棒球場，也循贊助模式經營球隊，並將球隊名稱改為「La New熊」隊。La New企業積極投入棒球事業的形象已經儼然樹立，預料將以中華職棒新兵的身份一鳴驚人。
五資料建檔格式
六預定分析項目
●先得分與後得分勝率
所需資料欄位：先得分、後得分、勝敗
利用資料探勘的分類技術將各隊所有場次分類為『先得分』與『後得分』兩類，接著分析與各隊勝敗結果之關係，以了解先得分之場次是否有較高的勝率、後得分之場次是否也會影響勝率。
●先發投手局數與勝率的關係
所需資料欄位：先發投手局數、勝敗
因為在通常的印象中，投手的優劣表現是對比賽結果有著7成的影響，所以我們希望由每一場的先發投手的先發局數去分析對勝敗有無直接影響，例如先發投手局數不到3局是否會造成極高的敗戰率、亦或是先發投手有著6局以上的表現，球隊會比較容易贏球，這2個大目標是我們想要去分析的，由這個關係可以瞭解傳統的印象是否正確。我們將利用『群集』將資料中先發局數分為3以下跟6以上2類，因為群集不像分類那樣明確所以我們採用『群集』，再分析勝敗。
●當球隊出現全壘打的場次勝率與整個球季勝率的關係，較高或較低?
所需資料欄位：全壘打、勝敗
除了上面所提到的投手方面，在攻擊方面也會對勝敗造成影響，其中又以全壘打
影響最為明顯，所以我們希望可以找出全壘打是否會對勝敗有直接影響，也就是在出現全壘打的場次比較容易獲勝，這裡一樣使用分類去將資料做分析。
●比賽場地對勝率的影響，例如在新莊球場出賽是否有較高的勝率?
所需資料欄位：場地、勝敗
不管是在籃球比賽或是棒球比賽等各種賽事都會有主客場，但是台灣由於沒有主客場固定球場，台灣通常以球隊聚集地為自己所喜歡的主場，所以我們希望可以找出在不同的區域是否會有不同的表現，例如LANEW熊通常以高雄澄清湖當主要賽事場地，我們希望找出LANEW在高雄以外的場地是否會有不一樣的表現。在這項裡面使用『群集』將各球場分為北、中、南、東，在去分析勝敗。
●在5局前落後多少分數，還能擁有5成勝率。例如5局終了球隊落後3分還
能有5成的反敗，表示在賽程中出現落後3分都擁有獲勝的機率。
所需資料欄位：5局落後3分內、勝敗
CPBL(中華職棒)是以5局結束為中場，所以我們希望探討球隊的反敗為勝的能力，希望在5局結束時落後3分內的比賽，在最後的勝或敗是否有所不同機率。這項一樣利用『群集』去將資料做分析，在去跟勝敗最分析。
●在7局結束時領先時，後援投手可以守成的勝率？
所需資料欄位：7局結束領先、勝敗
依序上一項分析的方向，我們希望可以在領先的場次去看到救援投手的守成率，所以我們會將場次去分類出7局結束時其對領先的比賽，在去看這幾場的勝敗，是否會以較高的勝率，若是有，我們就可以說救援投手的守成率高。
●比賽場地差異性！
所需資料欄位：草/土、安打數、野手失誤、勝敗
台灣棒球比賽場地內野分成草皮跟紅土，通常紅土球場對球的滾動比較快，而這樣會不會直接導致球員的表現是否有所落差？而球員的表現通常以失誤跟安打去比較，去分析了解在不同的場地會不會直接對表現有影響。
備註：紅土：新竹、高雄立德、嘉義市、嘉義縣、屏東、羅東。
草地：天母、新莊、台中、花蓮、高雄澄清湖、台南。
●捕手重要嗎？
所需資料欄位：捕手、勝敗
在其它項目中，提到投手對比賽的重要性，但是捕手則為主控全場的靈魂人物，因為投手會投什麼球都是由捕手配球，所以比賽的結果會部會更直接的影響是來自於捕手？因為通常球隊都會有所謂的主戰捕手跟替補捕手，所以我們將以出賽數來對各球隊的捕手做分野，去了分析了解捕手隊比賽的影響性？
●外國的月亮比較圓？洋將真的比較厲害？
所需資料欄位：洋投、洋野、洋將、勝敗
一般人認為外國的水準比台灣好，但是在戰績上真的是如此嗎？另外洋將也分為投手跟野手，我們將會分為3個大重點去分析，分別為洋投手出賽、洋野手以及洋將(洋投+洋野)，希望可以找出洋將是否可以對球隊有幫助！
●長打的重要性！？
所需資料欄位：安打數、長打、勝敗
在一般比賽，是長程安打(長打：二壘安打、三壘安打及全壘打)重要還是短程安打(一壘安打)厲害？在比賽中，是出現比較多安打但沒有長打的比賽比較容易贏？或是安打數較少，但卻幾乎都是長打比較好？
例如：出現11支安打其中只包括3支長打的比賽跟傴出現6支安打其中5支為長打的比賽，哪個比較容易贏？
希望目標：若結果出現明顯差異，我們就可以推測長打比較重要或是短程安打多比較重要！
此外，我們會嘗試從其他獨立的屬性找出一個預測勝率的模型，PolyAnalyst提供數個探索引擎具有處理一數值屬性的數值預測作業：尋找規則Find Laws(FL)，PolyNet Predictot (PN)，記憶基礎理解Memory Badsed Reasoning (MB)，或是線性迴歸Linear Regression(LR)。
六實驗環境
硬體環境：
CPU：AMD K8-AM2 4000+ 2.1GHz RAM：1024MB
硬碟：160G
軟體環境：
OS：Windows XP Professional，版本SP2 使用軟體：PolyAnalyst，版本5.0
Microsoft Office 2003
七預訂工作進度表