李嘉誠有份投資的人工智能公司DeepMind，幾年前在圍棋大賽之中響朵，今年就最新推出的AlphaFold 在兩年一次名為「蛋白質結構預測競賽」（CASP）比賽中，贏到開巷，被外國科學期刊形容為「格局的變革者」（a game changer），能讓人工智能在解決蛋白質結構方面「取得勝利」。
生物中有超過 2 億種蛋白質，但科學界只掌握當中約 17 萬種的結構。要了解這些形狀，研究人員才能了解細胞成分，幫助開發有效藥物，應用在醫療行業和社會上。但人類一直未能完全破解DNA之謎，只知道人體會藏着成千上萬種不同的蛋白質，而每種蛋白質包含數十到數百個氨基酸。這些氨基酸的排列，就會決定其三維（3D）形狀，當中「結構」和「形狀」又決定了蛋白質的功能。
而透過DeepMind的新技術Alphafold，就能夠顛覆過去的「X 射線晶體學」或「低溫電子顯微鏡」，以更快捷的實驗技術去解構蛋白質的 3D 結構無需花費數月甚至數年時間，去破解蛋白質結構。
每兩年一屆的 「蛋白質結構預測競賽」（CASP）就是一個試煉場，讓參賽隊伍推測約 100 種結構未明的蛋白質背後序列，部分小組負責計算每個序列的結構，部分小組則通過實驗確定結構，並為預測結果的準確程度評分。
這個比賽難度非常高，能在 100 分之中取得超過 90，成績已稱得上十分之高超，相當吻合實驗結果，而科技家在 2016 年，在最高難度組別只能取得約 40 分。
不過一切由DeepMind破局， 自 2018 年首次參加比賽，當時他們的算法 AlphaFold 也是基於這種比較策略，結合深度學習的計算方法，其中該軟件在龐大的數據庫，基於已知蛋白質的DNA序列和結構上進行訓練，並學習發現模式，當年已輕鬆獲勝，分數在每種結構上平均高於對手 15%，於最困難的目標贏得 GDT 最高約 60 分。
而在2020年的 CASP 比賽，AlphaFold 繼續獨領風騷，GDT 中位數得分高達 92.4，在對於最具挑戰性的蛋白質，中位數為更達 87，較次名最佳預測足足高出 25 分，一度更引起主辦者懷疑 DeepMind 可能是作弊！
蛋白質折疊成三維結構，一直堪稱是生物學上其一最大的謎團，未來依靠DeepMind，相信能夠促進人類文明，了解更多有關生命、醫學等周邊問題。可悲的是，當別人在關心這些科研議題，香港的創科局仍在停留於如何為「安心出行」跑數。
AlphaGo演化成Alphafold 征服蛋白質結構破解大賽
https://bit.ly/3qG9Bh2
game changer數據 在 [閒聊] 嘗試以機器學習排出P+前三隊- 看板basketballTW 的推薦與評價
大家好
前陣子世界賽，看到很多人在討論P+前兩隊的選人標準
突然想到我曾經做過類似的專題（感興趣的人可以A我文章看，但很簡略xD）
因此決定再做一次，看看是不是與媒體投票的結果有所差異～
先打預防針，這是機器學習的結果，基本上就是個黑盒子，所以大家看看就好，別太認真！
-
懶人包：
以 PCA+t-SNE 對資料降維，並以 K-Means 對球員分群^[1]
再考慮各群對球隊勝率的幫助及各自的上場時間，得出結論（有根據P+規則）
第一隊-> 吉爾貝克、李德威、李家瑞、陳堅恩、李愷諺
第二隊-> 辛巴、朱雲豪、曾文鼎、楊盛硯(?)、簡祐哲
第三隊-> 塞瑟夫、林志傑、林書緯、林俊吉、高國豪
（參考板友意見後，在推文有另一個版本）
-
正文：
首先機器學習最重要的就是資料，分成傳統數據和進階數據
傳統數據部分來自P+網站，進階數據部分則來自Game Changer網站^[2]
範圍是本季例行賽，出賽多於十場、平均上場多於六分鐘、總上場時間多於一百分鐘
在這裡先吐槽一下，P+可不可以趕快完善數據這一塊，不懂到底難在哪......
都有一個NBA stat給你抄了，到現在還是只有傳統數據@@
但現在的資料維度（95個）太高，直接跑的結果不會好，因此需要先設法降低
這邊用的是比較常見的 PCA 和 t-SNE
PCA 的中文叫做「主成分分析」，原理簡單來說是透過軸的旋轉
找到新的變數（即主成分），這個變數可以同時保留很多維度的訊息，從而達到降維目的
可以想像在二維平面上，假設資料點都是(1,1)、(2,2)、(3,3)......
那麼比起用x、y軸記錄這些點，不如將座標軸旋轉45度，那就是只用一個軸達到同樣效果
但 PCA 完後仍有3X個維度，因此再引入另一種方法再度降維
t-SNE 我不太確定正式的中文譯名，直接翻的話叫「t分布隨機鄰近插入」
假設我們想要將一個圓上均勻的點投射在一條線上，勢必有重疊但其實距離很遠的點
那要如何讓這些點在線上可以分別？答案比想像中粗暴：先量原本的距離
量完後根據距離丟到t分布上，並賦予這些點一個條件機率
使這些點有更高的機會在投射後被分到原本距離近的點附近（抱歉真的很難解釋^[3]）
維度順利降到二維後，就可以開始對球員進行分群了，在這裡順便解釋一下原因
在現行所有評估球員的方法中，最難的點就是怎麼降低場上其他人的影響？
這就回到我的目的，也就是選出前三隊
對我來說，前三隊代表這些人上場就是贏球保證
因此我藉由觀察其他表現差不多的球員，去看說是不是其他人上場越多，球隊勝率越高？
當然這個想法有很多瑕疵，但現行公開的數據來看，我認為可能沒有更好的選項
分群的方法應該就不用介紹了，就是將距離近的點抓在一起，而這裡我將球員分10群^[4]
接著計算各群在各隊的上場時間，加上各隊勝率跑個迴歸，便得到各群平均對勝率的影響
值得注意的是各群之間各球員的相似度落在0.375至0.4左右
因此如果直接用上面得到的結果，會造成精確度的影響很大，那要怎麼解決呢？
其實統計很常見的做法就是：一次不行，那就多跑幾次，相信大數法則xD
所以我重複上述步驟100次，並將每次得到的勝率乘上同群相似度和總上場時間
最後得到的結果便是我用來決定前三隊的指標！（結果如懶人包所示）^[5]
-
心得：
1.以這項指標來看，MVP德威、最佳洋將大B、最佳新人小烈
而敏哥和又瑋在這項指標中都不算太好
2.國王和領航猿的洋將在隊內排名都不高（湯瑪士隊內第9，里喬羅三人則幾乎墊底）
可能是國王的體系讓本土球員可以更好的發揮優勢？
3.結果看起來對中鋒評價都比較高，可能是採用的數據問題，也可能在台灣中鋒真的很好用
這一點等之後有更多數據後再作觀察
4.FMVP辛特力在隊內排名倒數第二，真正的季賽養生季後殺生代表？
5.這項指標為負值的人有->
張耕淯、聶歐瑪、李盈鋒、里金斯、林宜輝、錢肯尼
而領航猿和鋼鐵人大多都為負值，可能勝率太低所致，也可能體系有很大的問題
6.另外有一項指標是看各球員被分到的群，在全部裡面排名第幾
我原本想當作觀察有誰應該得到更多上場時間的指標，但容毅燊名列前矛讓我有點懷疑
7.以結果來看，應該模型表現沒有很好，未來再找找看有沒有衡量的指標做為參考
也歡迎對數據有興趣的板友們一起討論、集思廣益！
-
附註：
[1]這個過程參考自UCLA的一篇論文：https://tinyurl.com/544k9dkf
[2]https://tinyurl.com/2e6y5qfr
其中除了各區域命中率以外皆有使用
順便問一下有沒有高人可以指點如何爬這種網站？慢慢複製好累......
[3]有興趣的板友推薦看https://tinyurl.com/4vhbkww3
非常淺顯易懂！
[4]群數的決定辦法是土法煉鋼，從分2群到分10群，各跑1000次看結果哪個最好
[5]最後附上各隊前六名：
勇士 -> 塞瑟夫 > 曾文鼎 > 林書緯 > 林志傑 > 曾祥鈞 > 張宗憲
國王 -> 李愷諺 > 簡祐哲 > 林仕軒 > 林力仁 > 陳俊男 > 楊興治
領航猿-> 陳冠全 > 林耀宗 > 李家慷 > 林 正 > 溫立煌 > 盧峻翔
攻城獅-> 辛 巴 > 李家瑞 > 朱雲豪 > 陳堅恩 > 高國豪 > 吳岱豪
夢想家->吉爾貝克> 李德威 > 楊盛硯 > 林俊吉 > 吳永盛 > 陳振傑
鋼鐵人-> 布 朗 > 王柏智 > 王律翔 > 班尼特 > 鄭德維 > 盧哲毅
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 61.64.12.30 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/basketballTW/M.1657227507.A.232.html
※ 編輯: chih2loveu (61.64.12.30 臺灣), 07/08/2022 05:07:09
可能 但就要看重播重新紀錄才行 就太累了xD
P的規定是可以三前兩後或兩前三後~
因為目前沒有客觀數據可以確定誰是主力（比較接近的可能是USG%？這我有放）
也無法證明所謂主力在場上對球隊是好處
但你說的也很有道理，所以目前想到的是那就乾脆限制平均上場時間要多於24分鐘
符合的有31位下去做，最後得到的結果是：
第一隊->辛巴、李家瑞、李愷諺、吳永盛、林書緯
第二隊->湯瑪士、呂政儒、簡浩、高國豪、吳家駿
感覺結果比較合理一點，相似度也有上升
※ 編輯: chih2loveu (61.64.12.30 臺灣), 07/08/2022 05:31:48
沒錯，這個問題困擾我好多個晚上QQ 看來還有很長一段路要走......
對，而且常見增加sample的方法感覺好像都不太適用？
小弟才疏學淺，目前想不太到有什麼解決方法@@
shifa大整理數據的想法也讓我受益匪淺！
※ 編輯: chih2loveu (61.64.12.30 臺灣), 07/08/2022 07:05:44
都有！
德威就算了 家瑞一直名列前矛讓我這個家瑞黑好難受
※ 編輯: chih2loveu (61.64.12.30 臺灣), 07/08/2022 07:13:19
以這次資料來說可能不會有更好的結果
加上類神經現在是我的弱項，所以沒有使用
這部分之後會再去研究，感謝建議！
其實一開始我只使用傳統數據和on/off相關下去做
只是結果沒有特別漂亮
這方面我再看看有沒有其他進階數據一起抓進來用
原本的想法是先用最常見的試試看
之後會再試試看各種不同方法，感謝建議！
沒事，其實我一開始也想說結果不好看所以猶豫要不要Po
但後來想說比起自己沒方向，不如丟上來看看大家想法~
per36的問題是可能放大雜訊
所以目前主流的進階數據應該都比較少這麼做
你沒說我還真沒注意到這一點xD
看來真的還有很長的路要走~
這種苦差事可能真的很閒才能做xD
有想過，但一時想不到一個好的方法做篩選
但目前應該會朝這方面去做功課，看看怎麼做
感謝建議！
有時間的話一定！
是用 Linear regression，我竟然忘了可以從迴歸下手
晚點會試試看，感謝建議！
我相信這都會成為之後真正解決問題的養分！
大數法則的確是開個玩笑xD
不過我這次是為了取加權平均(精確度太差)
應該不會有p-hacking的問題......嗎？
好！感謝！馬上來去學QQ
※ 編輯: chih2loveu (61.64.12.30 臺灣), 07/09/2022 00:15:30
... <看更多>