这个php项目如何评价替补球员贡献？

PHP 项目中评价替补球员贡献的方案

评价替补球员贡献是体育数据项目中的经典难题,因为替补球员上场时间少、样本小,直接用总数据(总得分、总助攻)会严重低估他们，下面给你一套可在 PHP 项目中落地的评价体系。

核心思路:先解决"样本偏差"

替补的问题本质是:上场时间不同 → 总数据不可比，所以第一原则是:

优先用"率"指标(per-minute / per-possession),而不是"总量"指标。

评价维度设计

PHP 实现示例

基础数据模型

class PlayerGameStats
{
    public function __construct(
        public int   $playerId,
        public int   $minutes,        // 上场分钟
        public int   $points,
        public int   $rebounds,
        public int   $assists,
        public int   $steals,
        public int   $blocks,
        public int   $turnovers,
        public int   $fgMade,
        public int   $fgAttempted,
        public int   $ftMade,
        public int   $ftAttempted,
        public int   $plusMinus,      // 正负值
    ) {}
}

标准化为"每36分钟"或"每分钟"

class PerMinuteNormalizer
{
    public function per36(PlayerGameStats $s): array
    {
        if ($s->minutes === 0) {
            return array_fill_keys(
                ['pts','reb','ast','stl','blk','tov'], 0.0
            );
        }
        $factor = 36 / $s->minutes;
        return [
            'pts' => $s->points   * $factor,
            'reb' => $s->rebounds * $factor,
            'ast' => $s->assists  * $factor,
            'stl' => $s->steals   * $factor,
            'blk' => $s->blocks   * $factor,
            'tov' => $s->turnovers * $factor,
        ];
    }
    // 真实命中率 TS% = 得分 / (2 * (FGA + 0.44 * FTA))
    public function trueShooting(PlayerGameStats $s): float
    {
        $denom = 2 * ($s->fgAttempted + 0.44 * $s->ftAttempted);
        return $denom > 0 ? $s->points / $denom : 0.0;
    }
}

综合评分(可配置权重)

class BenchContributionScorer
{
    private PerMinuteNormalizer $norm;
    public function __construct(
        // 权重可配置,便于针对不同角色调整
        private array $weights = [
            'per36_pts'  => 1.0,
            'per36_reb'  => 1.0,
            'per36_ast'  => 1.5,
            'per36_stl'  => 2.0,
            'per36_blk'  => 2.0,
            'per36_tov'  => -2.0,
            'ts_pct'     => 20.0,
            'plus_minus' => 0.5,
        ]
    ) {
        $this->norm = new PerMinuteNormalizer();
    }
    public function score(PlayerGameStats $s): float
    {
        if ($s->minutes < 5) {
            // 样本太小,给出可信度标记
            return NAN;
        }
        $p = $this->norm->per36($s);
        $ts = $this->norm->trueShooting($s);
        $score =
              $p['pts'] * $this->weights['per36_pts']
            + $p['reb'] * $this->weights['per36_reb']
            + $p['ast'] * $this->weights['per36_ast']
            + $p['stl'] * $this->weights['per36_stl']
            + $p['blk'] * $this->weights['per36_blk']
            + $p['tov'] * $this->weights['per36_tov']
            + $ts      * $this->weights['ts_pct']
            + $s->plusMinus * $this->weights['plus_minus'];
        return round($score, 2);
    }
}

针对替补的特殊处理(关键)

用"正负值 + On/Off"补足小样本

// On/Off 差值:球员在场净胜分 vs 不在场净胜分
class OnOffCalculator
{
    public function onOffDiff(array $games): float
    {
        // $games 每条含 minutes, teamPlusMinusWhenOn, teamPlusMinusWhenOff
        $onMinutes = 0; $onSum = 0;
        $offMinutes = 0; $offSum = 0;
        foreach ($games as $g) {
            $onMinutes  += $g['minutes'];
            $onSum      += $g['on_pm'] * $g['minutes'];
            $offMinutes += ($g['team_minutes'] - $g['minutes']);
            $offSum     += $g['off_pm'] * ($g['team_minutes'] - $g['minutes']);
        }
        $onRate  = $onMinutes  ? $onSum  / $onMinutes  : 0;
        $offRate = $offMinutes ? $offSum / $offMinutes : 0;
        return $onRate - $offRate; // 正值 = 在场更好
    }
}

样本置信度加权(贝叶斯收缩)

球场老问题:打 5 场的球员偶然爆发会被误判，用向联赛均值收缩:

class BayesianShrinker
{
    /**
     * 把球员表现向其"先验均值"收缩,样本越少收缩越多
     * @param float $playerValue 球员观测值
     * @param int   $sampleSize  样本量(如分钟数)
     * @param float $priorMean   联盟/位置均值
     * @param float $priorWeight 先验强度(如 200 分钟)
     */
    public function shrink(
        float $playerValue,
        int $sampleSize,
        float $priorMean,
        float $priorWeight = 200.0
    ): float {
        return ($playerValue * $sampleSize + $priorMean * $priorWeight)
             / ($sampleSize + $priorWeight);
    }
}

角色区分:第六人 vs 边缘轮换

// 不同角色给不同权重
$weightsByRole = [
    'sixth_man'   => ['per36_pts' => 1.5, 'per36_ast' => 1.5, 'plus_minus' => 1.0],
    'rotation'    => ['per36_pts' => 1.0, 'per36_reb' => 1.2, 'plus_minus' => 0.8],
    'deep_bench'  => ['plus_minus' => 2.0, 'per36_tov' => -1.0], // 看稳定性为主
];

落地建议

1. 最低上场门槛:< 5 分钟的数据评分标记为"样本不足",不参与排名。
2. 滚动窗口:用最近 10~15 场做滑动平均,避免单场噪音。
3. 位置/角色分组:控卫、内线、射手的权重应不同。
4. 可解释性:输出评分时同时返回分项(效率、影响力、稳定性),方便教练/球迷理解。
5. 数据来源一致性:正负值不同平台口径不同(是否含垃圾时间),需注明。

一句话总结的评价公式

替补贡献 ≈ (每36分钟效率 × 角色权重) 经贝叶斯收缩后 + 正负值影响力修正,并对小样本标注置信度。

这样既能避免"总数据低估替补",又能避免"小样本高估爆发",在 PHP 里用上面几个类即可组合实现。

如果你能告诉我你的项目数据表结构和数据来源(如 NBA API、自采数据),我可以把上面代码改成直接贴合你字段的版本。