埼玉西武ライオンズの打者を機械学習で分析
埼玉西武ライオンズには、長打力を持つ打者や高いミート力を持つ打者、選球眼に優れた打者など、さまざまな特徴を持つ選手がいます。
今回は、2026年シーズンの打撃データを機械学習で分析し、選手ごとの打撃特性を調べてみました。
分析の結果、対象とした15名の打者は、大きく3つのグループに分類されました。グループごとに比較すると、打率や長打力、選球眼などに異なる傾向が見られました。
普段の成績表とは少し違った視点から、ライオンズの打者の特徴を見ていきましょう。
目次
1. 今回の分析で分かったこと
今回の分析では、埼玉西武ライオンズの打者15名が、機械学習によって3つのグループに分類されました。
各グループには、次のような特徴が見られました。
- Cluster 0(5名):打率が比較的低い一方、長打力や四球と三振の比率に特徴があるグループ
- Cluster 1(7名):長打力が比較的高い一方、ボールゾーンの球をスイングする割合も高いグループ
- Cluster 2(3名):打率や出塁に関する指標が高く、ボール球へのスイングが少ないグループ
特にCluster 2は、打率だけでなく、IsoDやBB/K、BABIPなど複数の指標で高い値を示しました。
2. 分析について
今回の分析では、2026年シーズンの打撃データを使用し、100打席以上の打者15名を対象としました。
打率や長打力、選球眼など、以下の7つの指標を使用しています。
- 打率
- IsoP(純粋な長打力を表す指標)
- IsoD(四球などによる出塁能力を表す指標)
- BB/K(四球と三振の比率)
- O-Swing%(ボールゾーンの球をスイングした割合)
- Z-Swing%(ストライクゾーンの球をスイングした割合)
- BABIP(インプレー打球が安打になった割合)
分析には、以下の手法を使用しました。
- 標準化:異なる尺度のデータを比較しやすくする処理
- K-means法:特徴が似ているデータをグループに分類する手法
- 主成分分析(PCA):複数の指標を少数の軸にまとめ、データの特徴を可視化する手法
K-means法ではクラスタ数を変えながら評価を行い、今回は3つのグループに分類しました。
3. 分析結果
3.1 打者のクラスタリング結果
以下は、主成分分析によって各選手の特徴を2次元に可視化したものです。

<図1 埼玉西武ライオンズの打者のクラスタリング結果>
今回の分析では、15名の打者が3つのグループに分類されました。
- Cluster 0:5名
- Cluster 1:7名
- Cluster 2:3名
横軸のPC1は45.8%、縦軸のPC2は22.0%の情報を表しています。2つを合わせると約67.8%となり、今回使用した7つの指標の特徴をある程度捉えています。
散布図を見ると、特に横軸のPC1方向に沿って、3つのグループが異なる位置に分布していることが分かります。
3.2 グループごとの打撃特性
各グループの打撃指標の平均値を比較すると、それぞれ異なる特徴が見られました。
Cluster 0:長打力と出塁面に特徴のあるグループ
ネビン、源田壮亮、林安可、桑原将志、外崎修汰の5名が分類されました。
打率は.219と3グループの中で最も低い一方、IsoPは.129と比較的高い値でした。また、BB/Kは.436となっています。
打率だけでは捉えにくい長打力や四球と三振の比率に特徴が見られました。
Cluster 1:長打力に特徴のあるグループ
カナリオ、渡部聖弥、小島大河、西川愛也、長谷川信哉、石井一成、岸潤一郎の7名が分類されました。
IsoPは.128でCluster 0とほぼ同じ水準でした。一方、O-Swing%は31.9%と3グループの中で最も高く、ボールゾーンの球をスイングする割合が比較的高い傾向にありました。
Cluster 2:打率・選球眼に特徴のあるグループ
滝澤夏央、平沢大河、古賀悠斗の3名が分類されました。
打率は.264で3グループの中で最も高く、IsoDは.074、BB/Kは.559となりました。また、O-Swing%は19.4%と最も低い値でした。
打率や出塁に関する指標が高く、ボールゾーンの球をスイングする割合が低いという特徴が見られました。
4. 考察
今回の分析で興味深いのは、打率や長打力、選球眼といった異なる要素が、グループごとに異なる形で表れたことです。
例えば、Cluster 2は打率が最も高く、BB/KやIsoDも高い傾向にありました。また、O-Swing%が低く、ボール球への対応にも特徴が見られました。
一方、Cluster 1は長打力を示すIsoPが比較的高いものの、O-Swing%も高い傾向にありました。
Cluster 0についても、打率は低い一方でIsoPはCluster 1とほぼ同じ水準でした。
このように、同じチームの打者であっても、打率や長打力、選球眼などの組み合わせによって異なる特徴が見えてきます。
ただし、今回の分析は15名を対象とした探索的なものであり、各グループが選手の能力や役割を直接示すものではありません。特に人数の少ないグループもあるため、結果は今回のデータにおける特徴として捉える必要があります。
5. まとめ
今回は、埼玉西武ライオンズの2026年シーズンの打撃データを機械学習で分析し、15名の打者を3つのグループに分類しました。
その結果、長打力に特徴のあるグループや、打率・選球眼に特徴のあるグループなど、それぞれ異なる傾向が見られました。
打率や本塁打数といった単一の数字だけでは分からない選手の特徴も、複数の指標を組み合わせることで見えてくることがあります。
これからもデータと機械学習を通じて、プロ野球の新しい楽しみ方を探っていきます。