美国对大项目的运动员肯花钱是有目共睹的，nba奥运游轮很了不起是不是可光从薪资来说，mlb真的是秒杀其余，当然，美国的棒球能发展到今天这样，自然是从小保护的。
相比日本残酷的甲子园，美国是保护保护再保护，哪怕是在这种用球数、休息日都没有规定的普通比赛，也会特意给自家队员定下规矩，职业中怎么样，在这里就怎么样！
于是在台湾打收尾战的沈秦，就在荷兰的第一场比赛中坐了板凳，不过却没得闲，他得趁这会儿和第二场的投手搭档谢尔泽多多沟通，不善言辞在这个时候就是很大的弊端了。
作为一个好捕手，怎么能够没有一口的伶牙俐齿？
可是怎么说话呢~沈秦戳了戳一旁的谢尔泽：“波斯猫~”
干嘛？谢尔泽想翻白眼，虽然知道沈秦的称呼不带恶意，可还是觉得奇怪啊~
“你暗号都记住了吧？”
谢尔泽愣了愣，反了吧？“不是你在记我原本的暗号吗？你知道我记性不好。”说着又想起自己已经猜测沈秦和寇驰之间是sm的关系，可前段时间不是出了那种事情嘛~忙干咳了两声：“或者你现在改，我努力记住！”
“不不不不用。”事情还真是对方说的那样，沈秦只是没话找话说的串了而已，忙将话转了开去：“身体有哪里不舒服或者哪里肌肉有紧绷吗？”
“没有。”
“那你个人觉得哪个球种最最擅长？我们第一次搭档，多了解一些总是好的。”
谢尔泽想了想：“都不错啊，滑球和变速应该完成度最高的吧。但我也没觉得别的有什么问题。”
这话没毛病，其实在沈秦看来，谢尔泽现在就有了大投的风范了，球种够，球速漂亮，压制力也强，唯一有问题的大概是投球姿势的风险评估了。
相比之下寇驰不是不好，而是他现在绝对不是先发级别，球速太快外加球种不够，要先发必须得把球速降下来。当然这些不是问题，到了小联盟再调整就好了。
其实大联盟投手之所是大联盟层级，降速就是很关键的一点。
当然，总有神仙是例外的，底特律老虎的王牌虎王（现在这个时间线还在老虎）。他就是先发投到第七局还有101迈球速的神仙，完投第九局也能催到100迈。
这种超级大投手就是能够很好的调整自己的身体，按需分配球速，想降速就降速，想提速也是很轻松。
自控！是很重要的一点。
寇驰现在就缺乏这方面的能力：“那你现在球速最快能催到多少？”
“四缝线99迈，滑球56，曲球79。”
沈秦抿了抿嘴，真是太可怕了，还好寇驰是主投伸卡的，不然和这些恐怖的投手想比优势可不大。更恐怖的是谢尔泽这家伙还是个二刀流~啧~
“喂。”谢尔泽突然冒出来一句：“那个叫潘园的，打的是数据棒球啊？我看到他在建模型哎。”
现在的棒球非常非常的重视数据这一块，它能带来巨大的改变。
杰夫是一个经济学专家，他从没打过大学棒球，更别说职业联赛。可他却是圣路易斯红雀晋升最快以及成效卓越的球探主官之一，并给红雀带来极多的好苗子，在两千年后帮助球队拿下两个世界大赛冠军以及n多的季后赛席位，尤里当初选秀的顺位也是他给予了建议。
改变发生在能源界大佬买下休斯顿太空人队开始，也就是尤里被放走换来资源的那一年。而后他们聘请了杰夫来做球队的总经理，相信杰夫与他的计算机能给这支从未夺冠的球队带来新生。
杰夫的计算机做的就是数据分析模型这一块。
太空人进入彻底的重建之中，连着三年百败！
但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、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、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、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、打击速度和角度甚至守备站位都能精确到位，快速、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4、5甚至6个球队！仅仅靠人？谁做的到？
：。：
相比日本残酷的甲子园，美国是保护保护再保护，哪怕是在这种用球数、休息日都没有规定的普通比赛，也会特意给自家队员定下规矩，职业中怎么样，在这里就怎么样！
于是在台湾打收尾战的沈秦，就在荷兰的第一场比赛中坐了板凳，不过却没得闲，他得趁这会儿和第二场的投手搭档谢尔泽多多沟通，不善言辞在这个时候就是很大的弊端了。
作为一个好捕手，怎么能够没有一口的伶牙俐齿？
可是怎么说话呢~沈秦戳了戳一旁的谢尔泽：“波斯猫~”
干嘛？谢尔泽想翻白眼，虽然知道沈秦的称呼不带恶意，可还是觉得奇怪啊~
“你暗号都记住了吧？”
谢尔泽愣了愣，反了吧？“不是你在记我原本的暗号吗？你知道我记性不好。”说着又想起自己已经猜测沈秦和寇驰之间是sm的关系，可前段时间不是出了那种事情嘛~忙干咳了两声：“或者你现在改，我努力记住！”
“不不不不用。”事情还真是对方说的那样，沈秦只是没话找话说的串了而已，忙将话转了开去：“身体有哪里不舒服或者哪里肌肉有紧绷吗？”
“没有。”
“那你个人觉得哪个球种最最擅长？我们第一次搭档，多了解一些总是好的。”
谢尔泽想了想：“都不错啊，滑球和变速应该完成度最高的吧。但我也没觉得别的有什么问题。”
这话没毛病，其实在沈秦看来，谢尔泽现在就有了大投的风范了，球种够，球速漂亮，压制力也强，唯一有问题的大概是投球姿势的风险评估了。
相比之下寇驰不是不好，而是他现在绝对不是先发级别，球速太快外加球种不够，要先发必须得把球速降下来。当然这些不是问题，到了小联盟再调整就好了。
其实大联盟投手之所是大联盟层级，降速就是很关键的一点。
当然，总有神仙是例外的，底特律老虎的王牌虎王（现在这个时间线还在老虎）。他就是先发投到第七局还有101迈球速的神仙，完投第九局也能催到100迈。
这种超级大投手就是能够很好的调整自己的身体，按需分配球速，想降速就降速，想提速也是很轻松。
自控！是很重要的一点。
寇驰现在就缺乏这方面的能力：“那你现在球速最快能催到多少？”
“四缝线99迈，滑球56，曲球79。”
沈秦抿了抿嘴，真是太可怕了，还好寇驰是主投伸卡的，不然和这些恐怖的投手想比优势可不大。更恐怖的是谢尔泽这家伙还是个二刀流~啧~
“喂。”谢尔泽突然冒出来一句：“那个叫潘园的，打的是数据棒球啊？我看到他在建模型哎。”
现在的棒球非常非常的重视数据这一块，它能带来巨大的改变。
杰夫是一个经济学专家，他从没打过大学棒球，更别说职业联赛。可他却是圣路易斯红雀晋升最快以及成效卓越的球探主官之一，并给红雀带来极多的好苗子，在两千年后帮助球队拿下两个世界大赛冠军以及n多的季后赛席位，尤里当初选秀的顺位也是他给予了建议。
改变发生在能源界大佬买下休斯顿太空人队开始，也就是尤里被放走换来资源的那一年。而后他们聘请了杰夫来做球队的总经理，相信杰夫与他的计算机能给这支从未夺冠的球队带来新生。
杰夫的计算机做的就是数据分析模型这一块。
太空人进入彻底的重建之中，连着三年百败！
但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、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、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、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、打击速度和角度甚至守备站位都能精确到位，快速、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4、5甚至6个球队！仅仅靠人？谁做的到？
：。：