天才一秒記住本站地址:(頂點中文)，最快更新！無廣告！美國對大項目的運動員肯花錢是有目共睹的，nba奧運遊輪很了不起是不是?可光從薪資來說，lb真的是秒殺其余，當然，美國的棒球能發展到今天這樣，自然是從小保護的。

相比日本殘酷的甲子園，美國是保護保護再保護，哪怕是在這種用球數、休息日都沒有規定的普通比賽，也會特意給自家隊員定下規矩，職業中怎麽樣，在這裡就怎麽樣！

於是在台灣打收尾戰的沈秦，就在荷蘭的第一場比賽中坐了板凳，不過卻沒得閑，他得趁這會兒和第二場的投手搭檔謝爾澤多多溝通，不善言辭在這個時候就是很大的弊端了。

作為一個好捕手，怎麽能夠沒有一口的伶牙俐齒?

可是怎麽說話呢~沈秦戳了戳一旁的謝爾澤:“波斯貓~”

幹嘛?謝爾澤想翻白眼，雖然知道沈秦的稱呼不帶惡意，可還是覺得奇怪啊~

“你暗號都記住了吧?”

謝爾澤愣了愣，反了吧?“不是你在記我原本的暗號嗎?你知道我記性不好。”說著又想起自己已經猜測沈秦和寇馳之間是s的關系，可前段時間不是出了那種事情嘛~忙乾咳了兩聲:“或者你現在改，我努力記住！”

“不不不不用。”事情還真是對方說的那樣，沈秦只是沒話找話說的串了而已，忙將話轉了開去:“身體有哪裡不舒服或者哪裡肌肉有緊繃嗎?”

“沒有。”

“那你個人覺得哪個球種最最擅長?我們第一次搭檔，多了解一些總是好的。”

謝爾澤想了想:“都不錯啊，滑球和變速應該完成度最高的吧。但我也沒覺得別的有什麽問題。”

這話沒毛病，其實在沈秦看來，謝爾澤現在就有了大投的風范了，球種夠，球速漂亮，壓製力也強，唯一有問題的大概是投球姿勢的風險評估了。

相比之下寇馳不是不好，而是他現在絕對不是先發級別，球速太快外加球種不夠，要先發必須得把球速降下來。當然這些不是問題，到了小聯盟再調整就好了。

其實大聯盟投手之所是大聯盟層級，降速就是很關鍵的一點。

當然，總有神仙是例外的，底特律老虎的王牌虎王(現在這個時間線還在老虎)。他就是先發投到第七局還有101邁球速的神仙，完投第九局也能催到100邁。

這種超級大投手就是能夠很好的調整自己的身體，按需分配球速，想降速就降速，想提速也是很輕松。

自控！是很重要的一點。

寇馳現在就缺乏這方面的能力:“那你現在球速最快能催到多少?”

“四縫線99邁，滑球56，曲球79。”

沈秦抿了抿嘴，真是太可怕了，還好寇馳是主投伸卡的，不然和這些恐怖的投手想比優勢可不大。更恐怖的是謝爾澤這家夥還是個二刀流~嘖~

“喂。”謝爾澤突然冒出來一句:“那個叫潘園的，打的是數據棒球啊?我看到他在建模型哎。”

現在的棒球非常非常的重視數據這一塊，它能帶來巨大的改變。

傑夫是一個經濟學專家，他從沒打過大學棒球，更別說職業聯賽。可他卻是聖路易斯紅雀晉升最快以及成效卓越的球探主官之一，並給紅雀帶來極多的好苗子，在兩千年後幫助球隊拿下兩個世界大賽冠軍以及n多的季後賽席位，尤裡當初選秀的順位也是他給予了建議。

改變發生在能源界大佬買下休斯頓太空人隊開始，也就是尤裡被放走換來資源的那一年。而後他們聘請了傑夫來做球隊的總經理，

相信傑夫與他的計算機能給這支從未奪冠的球隊帶來新生。傑夫的計算機做的就是數據分析模型這一塊。

太空人進入徹底的重建之中，連著三年百敗！

但是之後數據分析模型與數據預測模型就帶來了竟然的改變。插句題外話，他的決策部主觀就是從紅雀帶來的助手。(心疼~)

之後挖掘便宜、數據有問題且成績爛到一塌糊塗的投手進行改造，在加練必備滑球之後把不好的球種徹底剔除，並加強投手的轉速。(我也不知道為什麽投手去了太空人轉速都會上升，沒人知道哈~)

再之後改進，又簽下戰績不太爛但是也沒什麽出彩點的投手進行面對左右打者的球種調配。

這些都是數據模型的功勞，他能更精準的分析既定印象。就像大聯盟圈子裡很經典的一句話，數據是不會騙人的。

休斯頓太空人在對投手的評價、預測與改造方面成績斐然的真實性毋庸置疑。高直球與曲球的搭配是能夠通過詭異驗證重合度的方式描繪的，再不行還有模擬環境的真人準確度識別。

再者，在模型之後，還驗證了伸卡球對左打的效果低下，除非是伸卡的球速快到讓打者無法判斷。

其實模型並不難建，只要有人工智能當面的知識面一般情況來說不懂棒球也不是問題。可難就難在棒球是一項非常老土的體育運動，老土到超乎你的想像。

還記得測速槍之類的東西嗎?這在大聯盟早就被淘汰了。還有勝投數啊、打擊率之類的統計數據，其實幾十年前就不頂用了，可每個報告裡還是免不了出現！老土！不願革新。

測速這方面有視頻圖像處理技術已經完全無用~如果不是這樣恐怕現在在球場上還會有許多人舉著測速槍來看球吧~

眾所周知，球探是一個關鍵，球探報告也是一個關鍵，可隨著數據模型的建立，它們比之球探要更加準確。從基礎數據到投球軌跡、打擊速度和角度甚至守備站位都能精確到位，快速、精準有論證，可大聯盟會放棄球探只相信數據嗎?

顯然不會！

那會忽視打擊率嗎?更不可能！

會無視投手的勝投嗎?絕對不可能！

看！棒球就是那麽老套！新事物要佔據一席之地非常非常的難！

所以現在沈秦一聽說這個就想起之前和潘園的聊天，他打不了職業，但是又想從事棒球相關方面的工作，那數據模型這一塊的確是一個很好的切入點啊。

哪怕棒球現在不願大力度的改革，以後肯定會的啊，從棒次到布陣，從調整到分析，哪一個都離不了數據！

每年一支球隊的162場比賽，30支球隊！再並上小聯盟從3a到a再到菜鳥聯盟。一個球隊下面還附屬著4、5甚至6個球隊！僅僅靠人?誰做的到?