hbfreed/Picklebot-2M

该数据集包含了2016年至2023年MLB比赛中所有列出的球和判定的好球，数据来源于Baseball Savant的Statcast Search。数据集包括日期、投球类型（如四缝快速球）、速度、旋转率、投手、击球员、区域（1-14，对应好球区位置）、计数、局数、投球结果以及投球视频链接。数据集由Henry Freed整理，采用MIT许可证。数据集结构为三个JSON文件，分为训练集（80%）、验证集（10%）和测试集（10%）。

原始信息汇总

数据集卡片 for Dataset Name

数据集概述

包含2016年至2023年MLB比赛中的260万个球和被叫好球的片段。

数据集详情

数据集描述

该数据集包含从2016年到2023年Baseball Savant的Statcast Search中列出的所有球和被叫好球。数据集包括日期、类型（如FF，四缝线快速球）、速度、旋转率、投手、击球手、区域（1-14，对应于好球区位置）、计数、局数、投球结果和投球视频链接。

• 策划者： Henry Freed
• 许可证： MIT

用途

该数据集旨在用于通过神经网络判断球和好球，并可用于更细粒度的分类任务，如分类投球类型。

数据集结构

数据集分为三个JSON文件，分别是训练集（80%）、验证集（10%）和测试集（10%）。数据结构如下：

json { "date": "2017-05-06",
"pitch": "CU", "mph": "73.6", "spin_rate": "1997", "pitcher": "Garza, Matt(R)", "batter": "Jaso, John(L)", "zone": "8", "count": "0-1", "inning": "Bot 5", "pitch_result": "Called Strike", "video_link": "https://baseballsavant.mlb.com/sporty-videos?playId=e790b6cf-7ac4-45b8-8cd3-9cef03d759cb" }

数据集创建

源数据

数据从Baseball Savant的Statcast Search中抓取。

源数据生产者

源数据由Baseball Savant和MLB/广播公司创建。

偏差、风险和限制

该数据集存在不平衡问题，约三分之二的投球是球，几乎一半是四缝线快速球。处理这些不平衡时应谨慎。

图表

投球结果分布	投球类型分布	投球区域分布