攻城獅 61-83 客場負福爾摩沙夢想家
攻城獅 2026-05-12 客場對上福爾摩沙夢想家,61-83 負。數據背後的故事。
攻城獅 2026-05-12 客場對上福爾摩沙夢想家,61-83 負。數據背後的故事。
攻城獅 2026-05-09 客場對上福爾摩沙夢想家,97-94 勝。數據背後的故事。
攻城獅 2026-05-03 主場對上海神,102-99 勝。數據背後的故事。
攻城獅 2026-05-02 主場對上臺北台新戰神,96-73 勝。數據背後的故事。
攻城獅 2026-04-29 主場對上新北國王,98-78 勝。數據背後的故事。
攻城獅 2026-04-25 客場對上臺北台新戰神,104-86 勝。數據背後的故事。
攻城獅 2026-04-19 客場對上福爾摩沙夢想家,86-92 負。數據背後的故事。
攻城獅 2026-04-12 主場對上福爾摩沙夢想家,85-94 負。數據背後的故事。
攻城獅 2026-04-11 主場對上雲豹,79-76 勝。數據背後的故事。
攻城獅 2026-04-08 主場對上特攻,117-100 勝。這 21 分多出來的,從哪裡冒出來的?
巴塞隆納大學與一所葡萄牙大學的兩位研究者,拿歐洲籃球聯賽五個球季、345 名球員、1097 筆球員球季的官方紀錄,問同一個人的投籃準度會不會跨季延續。罰球留在同一個檔次的比例是 70.8% 到 82.7%,三分只有 36.2% 到 50.0%。NBA 那邊算過同一件事,上一季的三分命中率只能說明這一季的 14.5%。
2010 年歐洲聯賽把三分線從 6.25 公尺推到 6.75 公尺。西班牙 Granada 大學分析 19 個球季、5,034 場比賽,發現改制那一季三分出手變少,後來又漲了回來。NBA 1994 年把線移近、1997 年移回,出手量也是先跟著變,再回到原本往上的走勢。NCAA 2019 年把線推遠,球季中的三分出手占比少了約一個百分點。
2026 年《Annals of Biomedical Engineering》刊出的一篇研究,用一條力矩平衡式做出籃球鞋側向穩定度的判準:鞋牆的水平厚度與鞋底的垂直厚度之比,必須大於變向急停時側向力與垂直力之比。九款 2018 到 2019 年市售的男子籃球鞋量下來,沒有一款通過文獻報告過的全部六組負荷條件,其中兩款的力臂是 0.00 與 −0.20 公分。
2024-25 球季 NBA 有 7 名球員跟腱斷裂,創下紀錄。兩篇 2026 年的研究一篇往前查、一篇往後查。斷裂前 10 到 15 場,球員平均每場比自己平常多打一兩分鐘;斷裂後平均 10.8 個月復出,15 人裡 13 人回得來,但傷前幾乎場場先發的人,復出後平均只剩一半多一點的比賽能先發。
延世大學的新論文用狄氏過程混合模型分析 2024–25 球季 219,527 次出手,不切格子、不預設群數,從 566 名球員的投籃圖裡長出 16 個群。三個禁區群的差別,細到只有幾記底角三分。
加拿大男籃 2024 年巴黎奧運的 12 人名單,有 7 人早在 2019 年就被一套數據模型挑中。San Diego State University 的 Luke Penner 收集 110 個聯賽、22,500 名球員的數據,照打法把球員分成 9 種,再從 NBA 和國際賽的成功球隊,推算一支 15 人的冠軍陣容每種該帶幾個。
Chris Paul 和 Derrick Rose 都叫控球後衛,但打法根本是兩種球員。MIT Sloan 2020 年的研究,用機器學習把 NBA 的位置系統打掉重練,找出九個更精確的功能性角色。
新生代靠多變數協同爆發,黃金期靠核心技術穩定輸出,老將靠少數指標撐起天花板。研究者用 KAN 模型,把這三段曲線的形狀說清楚了。
西班牙研究團隊在球員背心裡放進感測器,比較打歐洲聯賽(EuroLeague)的職業球員和西班牙第四級業餘球員,誰在比賽裡動得比較兇。結果職業球員量出來的數字比較低,而且量的時間拉得越長,兩隊差得越多。
夾擊不是隨機施壓,換防也不是隨機保護。一個結合 LSTM 和 CNN 的混合模型,從三萬多段 NBA 追蹤數據裡,讀出了防守戰術背後的時機與空間邏輯。
2013 到 2023 年 NBA 選秀前 30 順位的 318 名球員裡,查得到高中打過籃球以外運動紀錄的只有 87 人。這 87 人進聯盟前三季打得比較多、跑得比較遠,因傷缺賽的比例卻比較低,入選年終獎項陣容的比例也超過另一組的兩倍。
2009-10 到 2022-23 球季,研究找出 47 名符合條件、動過半月板手術的 NBA 球員,43 人回到 NBA,比過去研究的八成高。上場時間和效率在術後第二年回到受傷前的水準,出賽場次的比例卻從 79% 掉到六成多,研究者認為很可能跟球隊的負荷管理有關。
格雷格‧波波維奇年薪高達 1600 萬美元,但他的勝率有多少是球員的功勞、多少是他自己的本事?這篇論文用單調貝氏迴歸樹,在控制球員實力之後,第一次讓「戰術貢獻」可以被獨立測量。
傳統的 Adjusted Plus-Minus 只能告訴你一個球員獨自的價值,但它沒辦法告訴你 Harden 和 Embiid 搭在一起是不是特別厲害。這篇論文用超圖理論補上這個缺口,讓雙人組、三人組、整套陣容都能同時被評分。
Andre Drummond 年年霸佔籃板榜,Steven Adams 卻默默無聞。但行家都說 Adams 才是真正讓球隊贏得籃板大戰的人。這篇論文用統計方法,把這個直覺說清楚了。
一篇 NBA 陣容預測論文的核心發現:衡量一個五人組能不能打贏,最重要的指標不是最強的人,而是最弱的那個。
葡萄牙理工學院的研究者拿十個球季的 NBA 數據訓練了超過十種演算法,最好的準確率是 65%。這個數字看起來不高,但在籃球預測的世界裡,其實已經是認真的成果。