以封盖为例，我们可以使用球员的身高、臂展等特征作为输入，封盖次数作为输出，训练一个回归模型。根据这些预测结果，我们可以得出下一个赛季的封盖王和抢断王候选人。需要注意的是，这只是一种基于数据的预测方法，结果可能受到很多因素的影响，如球员的伤病情况、球队的策略变化等。因此，预测结果仅供参考，并不能完全确定封盖王和抢断王的身份。
要进行NBA常规赛防守数据分析，特别是预测封盖王和抢断王，我们可以使用以下方法：
1. 收集历史数据：收集过去几个赛季的封盖和抢断数据。这可以包括每场比赛的具体数据，如球员的封盖和抢断次数，球队的总封盖和抢断次数等。
2. 筛选合适的特征：通过分析历史数据，我们可以找到与封盖和抢断相关的特征。这可能包括球员的身高、臂展、速度、敏捷度、篮板能力等。
3. 构建模型：使用机器学习的方法构建预测模型。我们可以使用监督学习算法，如线性回归、逻辑回归、随机森林、支持向量机等。以封盖为例，我们可以使用球员的身高、臂展等特征作为输入，封盖次数作为输出，训练一个回归模型。同样的方法可以应用于抢断数据分析。
4. 模型评估和调优：使用训练数据集和测试数据集来评估模型的性能。可以使用一些指标，如均方根误差（RMSE）来衡量预测的准确性。如果模型表现不佳，可以使用交叉验证、特征选择等方法进行调优。
5. 预测封盖王和抢断王：使用训练好的模型预测下一个赛季的封盖王和抢断王。输入球员的特征数据，模型将输出预测的封盖和抢断次数。根据这些预测结果，我们可以得出下一个赛季的封盖王和抢断王候选人。
需要注意的是，这只是一种基于数据的预测方法，结果可能受到很多因素的影响，如球员的伤病情况、球队的策略变化等。因此，预测结果仅供参考，并不能完全确定封盖王和抢断王的身份。