數位聯展

美國職棒大聯盟（MLB）的打者評估日益仰賴 Statcast 事件資料，然而如何將原始指標轉化為可靠的預測與分類框架，仍是尚未完善的課題。本研究以 2018–2024 年 MLB Baseball Savant Statcast 逐球事件資料及 Lahman Database 守備位置資訊為來源，建立涵蓋生涯表現預測、打者類型聚類與擊球結果分類三個面向的整合分析管線。 首先，在生涯表現預測方面，本研究自原始資料計算 wRC+、K%、BB% 與 BABIP 等核心指標，採嚴格時間切分策略（訓練集：2021–2022；驗證集：2023；測試集：2024；共 943 筆球員－球季觀測值），完全排除未來資料洩漏。Random Forest 的 Permutation Importance 分析顯示，三年累積打席數（PA）為最關鍵預測特徵，反映球員健康與出賽穩定性；早年四壞率（BB%）次之，說明選球眼力具有長期持續性；遠期 BABIP 重要性為負，確認其均值回歸的噪音屬性。接者在打者類型聚類方面，以 Statcast 多維打擊指標為特徵，結合 Silhouette Score 與 Elbow Method 確定最佳分群數為四類，並以 100 次 Bootstrap 模擬驗證模型穩定性，Adjusted Rand Index（ARI）達 0.865。所建立的類型體系可支援兩種應用：追蹤單一球員逐年類型變化，以及在球員因傷缺陣時尋找同類型的替補方案。最後在擊球結果分類方面，本研究探討僅憑擊球初速與擊球仰角能否預測安打結果，分別建立二分類（安打 vs. 非安打）與三分類（出局、短程安打、長打）任務。Random Forest 與 XGBoost 模型經 Grid Search 調參後，與兩種基準模型（全預測出局、依比例隨機預測）進行比較，以 ROC-AUC、Accuracy、Precision、Recall 及 F1-score 跨訓練、驗證、測試集進行全面評估。