そこには2つの質問があります（1つ目のポイントは質問ではありません）。すべての答えは以下です。
Q1：ボールをお互いに渡すプレーヤーをより頻繁にクラスター化するにはどうすればよいですか？
私の見解では、これはロードされたタスクであり、次のように分解するのが適切です。
- プレーヤーがボールをパスしているかどうかを確認します。ボールの通過に関連するアクションに関連することが多い感覚データの分布を確認する必要があります。これを行うには多くの方法があります。かつてのすばらしい方法は、同様にセンサーを搭載したプレーヤーをロードする3Dゲームで、この経験的に収集されたデータセットを複製することです。このゲームの良いところは、予測したいターゲット変数を特定できることです（つまり、それらがボールをパスしているかどうかがわかります）。このように、ゲームを使用して、感覚データの分布をターゲット変数と相関させ、最終的にラベル付きのサンプルセットを生成できます。最後に、ドメイン適応ステップを適用します。これにより、3Dゲームモデルがドメインで収集されたデータセットに変換されます（ドメイン適応ステップがない場合よりも少ないエラーで実行できます）。
- プレーヤーがボールを受け取っているかどうかを確認します。上記のポイントに似ていますが、ボールを受け取ったときの感覚データの配布用です。
- リンクされたパスと受信を識別します。これは比較的些細なことです。パスの後にレシーブが発生した場合に限り、2人のプレーヤーがお互いにボールを渡します。ノイズを減らすために、この仮定に追加の制約を追加して、偶発的なパスが意図的なパスとは別に設定されるようにすることができます。
Q2：このタイプのデータセットから他のものを利用できますか？（ポイント2を展開するため）
- 活動と時間の関数としての疲労/スタミナ/速度。これは、センサーの位置/速度がどのように変化しているかの周波数速度を調べることで、簡単に推定できます。
- 上記のポイントを特定したら、回復時間などの他のパラメーターを推定できます。
- さらに、上記すべてをチームとのプレーヤーの関係と関連付けます。たとえば、プレーヤーは疲れているときにボールをよく通過しますか？彼は疲れているときに誰に、またはどの方向にボールを渡す傾向がありますか？彼はスタミナを回復するときに、通過するターゲット/方向を変更しますか？