論文の概要: Explainable expected goal models for performance analysis in football
analytics
- arxiv url: http://arxiv.org/abs/2206.07212v1
- Date: Tue, 14 Jun 2022 23:56:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-17 09:36:07.996294
- Title: Explainable expected goal models for performance analysis in football
analytics
- Title（参考訳）: サッカー分析におけるパフォーマンス分析のための説明可能な目標モデル
- Authors: Mustafa Cavus and Przemys{\l}aw Biecek
- Abstract要約: 本報告では,2014-15年と2020-21年の7シーズンから315,430発のショットをトレーニングした,欧州サッカーリーグのトップ5のゴールモデルを提案する。
我々の知る限りでは、この論文は、プロファイルを集約した説明可能な人工知能ツールの実用的な応用を実証した最初の論文である。
- 参考スコア（独自算出の注目度）: 5.802346990263708
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The expected goal provides a more representative measure of the team and
player performance which also suit the low-scoring nature of football instead
of score in modern football. The score of a match involves randomness and often
may not represent the performance of the teams and players, therefore it has
been popular to use the alternative statistics in recent years such as shots on
target, ball possessions, and drills. To measure the probability of a shot
being a goal by the expected goal, several features are used to train an
expected goal model which is based on the event and tracking football data. The
selection of these features, the size and date of the data, and the model which
are used as the parameters that may affect the performance of the model. Using
black-box machine learning models for increasing the predictive performance of
the model decreases its interpretability that causes the loss of information
that can be gathered from the model. This paper proposes an accurate expected
goal model trained consisting of 315,430 shots from seven seasons between
2014-15 and 2020-21 of the top-five European football leagues. Moreover, this
model is explained by using explainable artificial intelligence tool to obtain
an explainable expected goal model for evaluating a team or player performance.
To best of our knowledge, this is the first paper that demonstrates a practical
application of an explainable artificial intelligence tool aggregated profiles
to explain a group of observations on an accurate expected goal model for
monitoring the team and player performance. Moreover, these methods can be
generalized to other sports branches.
- Abstract（参考訳）: 期待されたゴールは、チームと選手のパフォーマンスをより代表的な尺度として提供し、現代のフットボールの得点ではなく、低スコアのサッカーに適合する。
試合の得点はランダムで、しばしばチームや選手のパフォーマンスを表わさないため、近年では標的のショット、ボールの所有物、ドリルなどの代替統計を使用するのが一般的である。
期待目標の目標となるショットの確率を測定するために、イベントに基づいた期待目標モデルをトレーニングし、フットボールデータを追跡するために、いくつかの特徴を用いる。
これらの特徴の選択、データのサイズと日付、およびモデルの性能に影響を与える可能性のあるパラメータとして使用されるモデル。
モデルの予測性能を向上させるためにブラックボックス機械学習モデルを使用することで、モデルから収集できる情報の損失を引き起こすその解釈性が低下する。
本報告では,2014-15年から2020-21年までの7シーズンから315,430発のサッカーリーグをトレーニングした,正確な目標モデルを提案する。
さらに、説明可能な人工知能ツールを用いて、チームやプレーヤのパフォーマンスを評価するための説明可能な目標モデルを得る。
私たちの知る限りでは、チームとプレーヤーのパフォーマンスを監視するための正確な目標モデルに関する観察グループを説明するために、説明可能な人工知能ツールのプロファイルを実践的に応用した最初の論文です。
さらに、これらの手法は他のスポーツ分野にも一般化することができる。
関連論文リスト
- Stanceformer: Target-Aware Transformer for Stance Detection [59.69858080492586]
スタンス検出は、テキストで表現されたスタンスを特定の主題やターゲットに向けて識別する。
以前の作業は、ターゲットを効果的に優先順位付けする能力に欠ける既存のトランスフォーマーモデルに依存していた。
本稿では,学習と推論の両方において,目標に対する注意を高めるターゲット対応トランスフォーマーモデルであるStanceformerを紹介する。
論文 参考訳（メタデータ） (2024-10-09T17:24:28Z) - Machine Learning for Soccer Match Result Prediction [0.9002260638342727]
本章では、利用可能なデータセット、モデルと機能のタイプ、モデルパフォーマンスを評価する方法について論じる。
本章の目的は,サッカーの試合結果予測のための機械学習の現状と今後の展開について概説することである。
論文 参考訳（メタデータ） (2024-03-12T14:00:50Z) - ShuttleSHAP: A Turn-Based Feature Attribution Approach for Analyzing
Forecasting Models in Badminton [52.21869064818728]
バドミントンにおけるプレイヤー戦術予測のための深層学習アプローチは、部分的にはラリープレイヤの相互作用に関する効果的な推論に起因する有望なパフォーマンスを示している。
本稿では,Shapley値の変量に基づいてバドミントンにおける予測モデルを解析するためのターンベース特徴属性手法であるShuttleSHAPを提案する。
論文 参考訳（メタデータ） (2023-12-18T05:37:51Z) - Bayes-xG: Player and Position Correction on Expected Goals (xG) using
Bayesian Hierarchical Approach [55.2480439325792]
本研究は, 期待目標(xG)測定値を用いて, 目標となるショットの予測における選手や位置要因の影響について検討した。
StatsBombの公開データを使って、イングランドのプレミアリーグから1万発のショットを分析している。
この研究は、スペインのラ・リガとドイツのブンデスリーガのデータに分析を拡張し、同等の結果を得た。
論文 参考訳（メタデータ） (2023-11-22T21:54:02Z) - Prediction of Handball Matches with Statistically Enhanced Learning via
Estimated Team Strengths [0.0]
ハンドボールゲームを予測するため,統計的に強化された学習モデル(別名SEL)を提案する。
SELで強化された機械学習モデルは、80%以上の精度で最先端のモデルより優れています。
論文 参考訳（メタデータ） (2023-07-20T00:50:26Z) - A Control-Centric Benchmark for Video Prediction [69.22614362800692]
本稿では,アクション条件付きビデオ予測のベンチマークを,制御ベンチマークの形式で提案する。
私たちのベンチマークには、11のタスクカテゴリと310のタスクインスタンス定義を備えたシミュレーション環境が含まれています。
次に、ベンチマークを活用して、スケールするモデルサイズ、トレーニングデータの量、モデルアンサンブルの影響を調査します。
論文 参考訳（メタデータ） (2023-04-26T17:59:45Z) - Transformer-Based Neural Marked Spatio Temporal Point Process Model for
Football Match Events Analysis [0.6946929968559495]
本稿では,ニューラル・テンポラル・ポイント・プロセス・フレームワークに基づくフットボール・イベント・データのモデルを提案する。
検証のために,サッカーチームの最終ランキング,平均ゴールスコア,シーズン平均xGとの関係を検討した。
平均HPUSはゴールやショットの詳細を使わずとも有意な相関を示した。
論文 参考訳（メタデータ） (2023-02-18T10:02:45Z) - A Machine Learning Approach for Player and Position Adjusted Expected
Goals in Football (Soccer) [0.0]
期待されるゴール(xG)は、単なるスコアライン以上の洞察を可能にする。
本稿では,フットボールイベントデータに応用された機械学習アプリケーションについて述べる。
このモデルは15,575発のショットに基づいて,サッカー選手のxGs確率の予測に成功した。
論文 参考訳（メタデータ） (2023-01-19T22:17:38Z) - Betting the system: Using lineups to predict football scores [0.0]
本稿では,決勝点におけるラインアップの役割を分析し,サッカーにおけるランダム性を低減することを目的とする。
サッカークラブはラインナップに数百万ドルを投資し、個々の統計がより良い結果にどのように変換するかを知ることで投資を最適化することができる。
スポーツの賭けは指数関数的に増加しており、将来を予測することは利益があり、望ましい。
論文 参考訳（メタデータ） (2022-10-12T15:47:42Z) - FitVid: Overfitting in Pixel-Level Video Prediction [117.59339756506142]
われわれはFitVidという新しいアーキテクチャを導入し、一般的なベンチマークに厳しいオーバーフィッティングを行えるようにした。
FitVidは、4つの異なるメトリクスで4つの異なるビデオ予測ベンチマークで現在の最先端モデルを上回っている。
論文 参考訳（メタデータ） (2021-06-24T17:20:21Z) - Models, Pixels, and Rewards: Evaluating Design Trade-offs in Visual
Model-Based Reinforcement Learning [109.74041512359476]
視覚的MBRLアルゴリズムにおける予測モデルの設計決定について検討する。
潜在空間の使用など、しばしば重要と見なされる設計上の決定は、タスクのパフォーマンスにはほとんど影響しないことが分かりました。
我々は,この現象が探索とどのように関係しているか,および標準ベンチマークにおける下位スコーリングモデルのいくつかが,同じトレーニングデータでトレーニングされた場合のベストパフォーマンスモデルと同等の性能を発揮するかを示す。
論文 参考訳（メタデータ） (2020-12-08T18:03:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。