个人原创，转载时请注明本文地址

恭喜金州勇士团队获2022总冠军，能在保留核心班底情况下，补充中生代即战力、融入青年才俊、产生良好化学反应一路登顶，实属不易。

这里针对团队角色进行数据层面的划分，是根据去年写的NBA历年冠军成员角色划分加以部分更新和改进：

细化亚军成员角色与冠军成员一致

引入二当家角色

标准化数值选取

加入总决赛表现补充条件

（数据为当赛季季后赛整体数据）

基础数据：场均25分或22+10或15+三双以上

球权使用率USG：25%以上

胜利贡献值WS：以单轮系列赛0.9计，即四轮3.6以上、三轮2.7以上等，亚军总分要求减0.2（受总决赛负影响）

整合正负值BPM：7.0以上，亚军要求减0.5（受因总决赛负影响）

常规赛荣誉：当赛季MVP或最佳阵容一阵

基础数据：场均18分或16+8以上

球权使用率USG：20%以上

胜利贡献值WS：以单轮系列赛0.7计，即四轮2.8以上、三轮2.1以上等，亚军总分要求减0.2（受总决赛负影响）

整合正负值BPM：5.0以上，亚军要求减0.5（受因总决赛负影响）

常规赛荣誉：当赛季最佳阵容或全明星

边缘：

季后赛有出场记录

轮换：

出勤率70%+场均7分钟 或 总决赛全勤+场均7分钟 或 出勤率50%+场均20分钟 (根据实际情况略有调整，比如2022年轮换补入加里-佩顿二世)

主力：

出勤率70%+场均24分钟 或 出勤率50%+场均30分钟

核心：

出勤率70%+场均30分钟 或 出勤率50%+场均36分钟

A类条件满足1项 或 B类条件满足2项

同队核心及以上角色不超过4人

二当家：

若球队存在有且只有1名当家：

若只有1名核心：升为二当家（比如2015克莱-汤普森）

若有多名核心：选其中各项条件明显胜出者升为二当家（比如2012德维恩-韦德），若无明显胜出者不设二当家（比如2022勇士）

双核：

出勤率70%+场均32分钟 或 出勤率50%+场均36分钟

A类条件满足2项

有且只有1名队友同时满足双核条件

若无当家以上角色队友，且有且只有2名核心角色，升其为双核

当家：

出勤率70%+场均32分钟 或 出勤率50%+场均36分钟

A类条件满足2项

无双核及以上角色队友

单核：

出勤率70%+场均32分钟 或 出勤率50%+场均36分钟

A类条件满足2项

无核心及以上角色队友

对于双核以上角色，若总决赛表现在B级以下，对其扣除一项A类条件并更改角色，比如2006沙奎尔-奥尼尔降为二当家

对于主力以上角色，若总决赛获FMVP且拿到B级以上表现，对其增加相应条件并更改角色，比如2014科怀-伦纳德升为核心

注：

1978年以前因数据统计不全由楼主综合以上荣誉人工判定

1967年以前因队伍太少不统计分区决赛角色

分区决赛角色因比赛太少部分加以调整，并只选取核心以上角色

首先这并不是在追寻真理，这和发现格林公式（此格林非彼格林）并加以严格数学论证不同。角色划分，包括历史地位排名，只是借助数学模型更深或更广的问题，生活中的实际问题大多如此。

比如用分析工具炒股，不代表最终获利，但比盲买更有效。比如出一套高考卷子，不代表最终分数体现考生真是实力，但也能足够筛选。

因此绝对客观本不存在，这里其实是基于少数的主观普世认知，通过大量的数据进行学习，再扩展于多数的未知领域。绝对准确亦不存在，也不是我们要达到的目的。

不同队球员数据差不多，问什么各自角色不同？

这本质是一个问题：无论是基础数据、高阶数据，或是NBA史上球员历史地位排名2021里面二重运算得到的的积分，都是线性的，而角色分类是离散的。将线性模型转化为离散模型必然出现边界误差。

还是举名校招生的例子：考试分数即为线性数据，若录取分数线是600分，那601分和700分都会被归为一类，而599分的同学将遗憾淘汰。为了一定程度上规避这个问题，所以名校都有保送之类规则。比如拿过竞赛金牌（对应我们的A类条件），或多个竞赛前几名（对应我们的AB类条件），用条件推出离散的结果。

个人原创，转载时请注明本文地址

个人原创，转载时请注明本文地址

恭喜金州勇士团队获2022总冠军，能在保留核心班底情况下，补充中生代即战力、融入青年才俊、产生良好化学反应一路登顶，实属不易。

这里针对团队角色进行数据层面的划分，是根据去年写的NBA历年冠军成员角色划分加以部分更新和改进：

细化亚军成员角色与冠军成员一致

引入二当家角色

标准化数值选取

加入总决赛表现补充条件

（数据为当赛季季后赛整体数据）

基础数据：场均25分或22+10或15+三双以上

球权使用率USG：25%以上

胜利贡献值WS：以单轮系列赛0.9计，即四轮3.6以上、三轮2.7以上等，亚军总分要求减0.2（受总决赛负影响）

整合正负值BPM：7.0以上，亚军要求减0.5（受因总决赛负影响）

常规赛荣誉：当赛季MVP或最佳阵容一阵

基础数据：场均18分或16+8以上

球权使用率USG：20%以上

胜利贡献值WS：以单轮系列赛0.7计，即四轮2.8以上、三轮2.1以上等，亚军总分要求减0.2（受总决赛负影响）

整合正负值BPM：5.0以上，亚军要求减0.5（受因总决赛负影响）

常规赛荣誉：当赛季最佳阵容或全明星

边缘：

季后赛有出场记录

轮换：

出勤率70%+场均7分钟 或 总决赛全勤+场均7分钟 或 出勤率50%+场均20分钟 (根据实际情况略有调整，比如2022年轮换补入加里-佩顿二世)

主力：

出勤率70%+场均24分钟 或 出勤率50%+场均30分钟

核心：

出勤率70%+场均30分钟 或 出勤率50%+场均36分钟

A类条件满足1项 或 B类条件满足2项

同队核心及以上角色不超过4人

二当家：

若球队存在有且只有1名当家：

若只有1名核心：升为二当家（比如2015克莱-汤普森）

若有多名核心：选其中各项条件明显胜出者升为二当家（比如2012德维恩-韦德），若无明显胜出者不设二当家（比如2022勇士）

双核：

出勤率70%+场均32分钟 或 出勤率50%+场均36分钟

A类条件满足2项

有且只有1名队友同时满足双核条件

若无当家以上角色队友，且有且只有2名核心角色，升其为双核

当家：

出勤率70%+场均32分钟 或 出勤率50%+场均36分钟

A类条件满足2项

无双核及以上角色队友

单核：

出勤率70%+场均32分钟 或 出勤率50%+场均36分钟

A类条件满足2项

无核心及以上角色队友

对于双核以上角色，若总决赛表现在B级以下，对其扣除一项A类条件并更改角色，比如2006沙奎尔-奥尼尔降为二当家

对于主力以上角色，若总决赛获FMVP且拿到B级以上表现，对其增加相应条件并更改角色，比如2014科怀-伦纳德升为核心

注：

1978年以前因数据统计不全由楼主综合以上荣誉人工判定

1967年以前因队伍太少不统计分区决赛角色

分区决赛角色因比赛太少部分加以调整，并只选取核心以上角色

首先这并不是在追寻真理，这和发现格林公式（此格林非彼格林）并加以严格数学论证不同。角色划分，包括历史地位排名，只是借助数学模型更深或更广的问题，生活中的实际问题大多如此。

比如用分析工具炒股，不代表最终获利，但比盲买更有效。比如出一套高考卷子，不代表最终分数体现考生真是实力，但也能足够筛选。

因此绝对客观本不存在，这里其实是基于少数的主观普世认知，通过大量的数据进行学习，再扩展于多数的未知领域。绝对准确亦不存在，也不是我们要达到的目的。

不同队球员数据差不多，问什么各自角色不同？

这本质是一个问题：无论是基础数据、高阶数据，或是NBA史上球员历史地位排名2021里面二重运算得到的的积分，都是线性的，而角色分类是离散的。将线性模型转化为离散模型必然出现边界误差。

还是举名校招生的例子：考试分数即为线性数据，若录取分数线是600分，那601分和700分都会被归为一类，而599分的同学将遗憾淘汰。为了一定程度上规避这个问题，所以名校都有保送之类规则。比如拿过竞赛金牌（对应我们的A类条件），或多个竞赛前几名（对应我们的AB类条件），用条件推出离散的结果。

个人原创，转载时请注明本文地址