Ocena:
Książka została dobrze przyjęta ze względu na wciągającą treść i praktyczne zastosowanie umiejętności R w statystykach baseballowych, choć spotkała się z krytyką za problemy techniczne na niektórych urządzeniach i pewne wyzwania związane z dostępnością.
Zalety:Czytelnicy doceniają zdolność książki do uszczęśliwiania ich, jej pouczające rozdziały, zabawny temat, który poprawia umiejętności R i koncentruje się na rzeczywistych przykładach, szczególnie w statystykach baseballowych.
Wady:Niektórzy użytkownicy doświadczają częstych awarii na iPadach, braku funkcji takich jak regulowany tekst i trudności w uzyskaniu danych niezbędnych do wykonania ćwiczeń.
(na podstawie 5 opinii czytelników)
Analyzing Baseball Data with R, Second Edition
Analyzing Baseball Data with R Second Edition wprowadza R do sabermetryków, entuzjastów baseballu i studentów zainteresowanych odkrywaniem bogactwa danych baseballowych. Wyposaża w niezbędne umiejętności i narzędzia programowe do wykonywania wszystkich etapów analizy, od importowania danych, przez przekształcanie ich w odpowiedni format, po wizualizację danych za pomocą wykresów i przeprowadzanie analizy statystycznej.
Autorzy najpierw przedstawiają przegląd publicznie dostępnych zbiorów danych baseballowych i delikatne wprowadzenie do rodzaju struktur danych oraz możliwości eksploracyjnych i zarządzania danymi w R. Omawiają również funkcje graficzne ggplot2 i stosują przyjazny dla tidyverse przepływ pracy. Znaczna część książki ilustruje użycie R poprzez popularne tematy sabermetryczne, w tym wzór pitagorejski, oczekiwaną liczbę biegów, kadrowanie łapacza, trajektorie kariery, symulację gier i sezonów, wzorce smugowego zachowania graczy oraz kąty startu i prędkości wyjścia. Wszystkie zestawy danych i kod R użyte w tekście są dostępne online.
Nowością w drugiej edycji jest systematyczne przyjmowanie tidyverse i włączenie danych śledzenia graczy Statcast (udostępnionych przez Baseball Savant). Cały kod z pierwszego wydania został poprawiony zgodnie z zasadami tidyverse. Pakiety tidyverse, w tym dplyr, ggplot2, tidyr, purrr i broom są podkreślane w całej książce. Dwa zupełnie nowe rozdziały są możliwe dzięki dostępności danych Statcast: jeden bada pojęcie zdolności łapacza do kadrowania, a drugi wykorzystuje kąt startu i prędkość wylotową do oszacowania prawdopodobieństwa home run. Dzięki różnym przykładom zawartym w książce dowiesz się o nowoczesnej sabermetrii i jak przeprowadzać własne analizy baseballowe.
Max Marchi jest analitykiem baseballowym w Cleveland Indians. Był regularnym współpracownikiem stron internetowych The Hardball Times i Baseball Prospectus, a wcześniej konsultował się z innymi klubami MLB.
Jim Albert jest wybitnym profesorem statystyki na Bowling Green State University. Jest autorem lub współautorem kilku książek, w tym Curve Ball i Visualizing Baseball, a także redaktorem Journal of Quantitative Analysis of Sports.
Ben Baumer jest adiunktem nauk statystycznych i danych w Smith College. Wcześniej był analitykiem statystycznym w New York Mets, jest współautorem The Sabermetric Revolution i Modern Data Science with R..
