Skip to main content

机器翻译。英文为参考版本,我们会持续完善措辞。发现可以改进的地方?欢迎告诉我们。

Beginner

置信度分数

Also known as: 诊断置信度

Definition

置信度分数评定某个发现有多值得信任,依据是有多少良好的证据支持它。SwingVantage用一个词来显示它,比如“高”“中等”或“低”,而不是一个数字。

置信度分数是SwingVantage告诉你有多少证据支持某个发现的方式。在引擎内部它是一个数字,但你看到的是一个词:高、中等或低。当可依据的内容太少时,它可以显示“数据不足”。“高”表示这个模式清晰且反复出现,所以你可以据此行动。“低”表示这个发现是合理的,但数据太少或不一致,所以在做大的技术改动之前,请收集更多证据。

影响分数的因素取决于数据。对于弹道监测仪的诊断,有三件事起作用。样本量很重要:许多次击球中出现同样的模式,比寥寥几次得到更高的置信度。击球间的一致性很重要:分散的出手比紧凑的出手得到更低的置信度。输入的完整性也很重要:包含更多关键数据字段的导入,能支持更坚实的解读。对于Motion Lab的视频,置信度主要反映摄像头和追踪器看清你的程度。

置信度是展示出来的,而不是隐藏的。支持不足的发现会被扣下,而不是被当作确定的来显示。你看到的发现都带有它们的置信度等级,所以你可以决定给每一个多少分量。目标是有用,而不夸大。一个低置信度的发现仍然是值得检验的假设,只要你不把它当作事实。

Tips by skill level

Beginner tip

不要忽视置信度较低的发现,但也不要围绕它们重构你的技术。“中等”或“低”的解读是值得观察的信号:再录一次干净的练习,看看同样的发现是否会再次出现。如果它一直出现,很可能是真的;如果它消失了,大概只是噪声。

Advanced note

如果你想要更坚实的解读,请从推荐角度拍摄,保持稳定的构图、良好的光线,并让你的全身都在画面中。在不同练习之间保持这些条件不变,这样你的结果变化反映的就是你的挥动,而不是摄像头。

Example

一段模糊的视频只能得出低置信度的解读;对同一个挥动重新拍摄一段清晰、构图良好的视频,则能得到更坚实的解读。

Why it matters

诚实的置信度,是把值得信赖的工具和听起来自信的猜测区分开来的东西。你始终能看到系统有多确定。

How it shows up on video

Confidence is not drawn on the video. In the report, it appears as a word, such as High, Moderate, or Low, in the finding's evidence and confidence details. Clean, steady, well-lit video with your whole body in frame earns a firmer read; blurry or cropped video lowers it.

Common mistakes

  • 把低置信度的发现和高置信度的发现同等对待。低置信度意味着证据有限,而不是没有问题;在改变练习之前,请用更大、质量更好的练习来验证。
  • 完全忽略置信度分数,只关注发现的标签。分数是告诉你该给标签附上多少确定性的关键背景。
  • 没有通过质量更好的练习来提高置信度。更干净的视频或更多的弹道监测仪击球,会得到更坚实的解读,用来确认或改变这个发现。
  • 把置信度分数和重要性混为一谈。一个低置信度的发现可能描述的是一个真正重要的问题;置信度反映的是证据水平,而不是问题的严重程度。

In SwingVantage Motion Lab

In Motion Lab, each result carries one confidence read, shown as a word. It mostly reflects how clearly the camera and tracker saw you, so a cleaner re-film is the fastest way to a firmer read. Across sessions, the retest step shows whether Motion Lab's read of your motion is getting clearer. A read below the confidence bar is labeled directional.

Frequently asked questions

置信度分数能达到100吗?

你看不到数字,只会看到一个词,而且系统的设计是绝不声称它无法支持的确定性。最强的解读来自大型、一致、经过测量的数据集。每个数据来源也有上限:来自单个摄像头的估计,永远达不到测量来源所能达到的置信度。

为什么我添加新的练习之后,置信度分数下降了?

每次练习都会得到各自的置信度解读,所以新的练习可能比上一次读起来更低。通常的原因是拍摄条件,比如光线、角度或构图,或者那天某个模式显现得不太清楚。如果同一个发现在干净的练习中不断出现,那是有用的信息;如果它时有时无,这个问题可能是间歇性的。

Still have a question about 置信度分数? Ask SwingVantage

See it in a real analysis

Try SwingVantage on one of your own swings — free to start.