4、体育与空间数据挖掘：从球员表现到空间聚类

体育与空间数据挖掘：从球员表现到空间聚类

1. 体育数据挖掘在球员分析中的应用

1.1 K-means聚类结果

通过K-means算法（K = 3）对球员数据进行聚类，得到了不同簇的统计结果，具体如下表所示：
| 簇 | FG | FGA | 3P | 3PA | 2P | 2PA | FT | FTA | Pts |
| — | — | — | — | — | — | — | — | — | — |
| Cluster 0 | 420 | 863 | 30 | 98 | 389 | 765 | 169 | 269 | 1066 |
| Cluster 1 | 78 | 178 | 7 | 26 | 71 | 152 | 38 | 51 | 202 |
| Cluster 2 | 257 | 591 | 56 | 163 | 201 | 427 | 87 | 116 | 660 |

同时，还给出了2011 - 2012、2012 - 2013两个赛季球员在各个簇中的分布情况：
| Cluster 0 | Cluster 1 | Cluster 2 |
| — | — | — |
| G. Dragic、M. Gortat (2011–2012)等 | J. Childress、D. Garrett等 | M. Beasley、Robin S. Brown [x2]等 |

从这些数据中可以看出，Markieff Morris、Shannon Brown和Jared Dudley在两个赛季都处于同一簇（Cluster 2），该簇聚集了三分球得分最多的高效球员。而Marcin Gor