論文の概要: A Machine Learning Approach for Player and Position Adjusted Expected
Goals in Football (Soccer)
- arxiv url: http://arxiv.org/abs/2301.13052v1
- Date: Thu, 19 Jan 2023 22:17:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-05 04:27:58.449168
- Title: A Machine Learning Approach for Player and Position Adjusted Expected
Goals in Football (Soccer)
- Title（参考訳）: サッカーにおける選手と位置調整目標に対する機械学習アプローチ(soccer)
- Authors: James Henry Hewitt and Oktay Karaku\c{s}
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Football is a very result-driven industry, with goals being rarer than in
most sports, so having further parameters to judge the performance of teams and
individuals is key. Expected Goals (xG) allow further insight than just a
scoreline. To tackle the need for further analysis in football, this paper uses
machine learning applications that are developed and applied to Football Event
data. From the concept, a Binary Classification problem is created whereby a
probabilistic valuation is outputted using Logistic Regression and Gradient
Boosting based approaches. The model successfully predicts xGs probability
values for football players based on 15,575 shots. The proposed solution
utilises StatsBomb as the data provider and an industry benchmark to tune the
models in the right direction. The proposed ML solution for xG is further used
to tackle the age-old cliche of: 'the ball has fallen to the wrong guy there'.
The development of the model is used to adjust and gain more realistic values
of expected goals than the general models show. To achieve this, this paper
tackles Positional Adjusted xG, splitting the training data into Forward,
Midfield, and Defence with the aim of providing insight into player qualities
based on their positional sub-group. Positional Adjusted xG successfully
predicts and proves that more attacking players are better at accumulating xG.
The highest value belonged to Forwards followed by Midfielders and Defenders.
Finally, this study has further developments into Player Adjusted xG with the
aim of proving that Messi is statistically at a higher efficiency level than
the average footballer. This is achieved by using Messi subset samples to
quantify his qualities in comparison to the average xG models finding that
Messi xG performs 347 xG higher than the general model outcome.
- Abstract（参考訳）: サッカーは結果駆動の産業であり、ほとんどのスポーツよりもゴールが珍しいため、チームや個人のパフォーマンスを判断するためのパラメータがさらに増えることが重要です。
期待ゴール(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,フットボールにおけるさらなる分析の必要性に対処するために,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を利用する。
この概念から、ロジスティック回帰とグラディエントブースティングに基づくアプローチを用いて確率的評価を出力するバイナリ分類問題を作成する。
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。
提案ソリューションでは,データプロバイダとしてのstatsbombと,適切な方向にモデルをチューニングするための業界ベンチマークを使用している。
提案されたxGのMLソリューションは、"ボールが間違った男に落ちた"という年齢の古いクリケットに取り組むためにさらに使用される。
モデルの開発は、一般的なモデルが示すよりも期待する目標のより現実的な価値を調整し得るために使用される。
そこで本稿では, 位置調整xG に取り組み, トレーニングデータをフォワード, ミッドフィールド, ディフェンスに分割し, 位置調整xG のサブグループに基づく選手の質に関する洞察を提供する。
位置調整xGは、より多くの攻撃プレイヤーがxGを蓄積するより優れていることを予測し、証明する。
最も高い価値はフォワードであり、続いてミッドフィールダーとディフェンダーが続いた。
最後に、メッシが平均的なサッカー選手よりも統計的に高い効率レベルにあることを証明するために、プレイヤー調整xGをさらに発展させた。
これは、Messi xG が一般的なモデル結果よりも 347 xG 高い値を持つことを示す平均 xG モデルと比較して、彼の品質を定量化するために Messi の部分集合サンプルを使用することによって達成される。
関連論文リスト
- A Graph Neural Network deep-dive into successful counterattacks [0.0]
この研究は、性別固有のグラフニューラルネットワークを構築し、反撃が成功する可能性をモデル化する。
モデル性能に最も影響した特徴は, 置換特徴を用いて, 直線速度, ゴールへの角度, 球側線から横線への角度, などが示される。
この研究には、すべてのデータとコードを含むオープンソースリポジトリが伴い、オープンソースのPythonパッケージも伴っている。
論文 参考訳（メタデータ） (2024-11-26T14:07:48Z) - Biases in Expected Goals Models Confound Finishing Ability [18.67526513350852]
サッカーアナリティクスのフィニッシュスキルを評価するツールとして、期待されているゴール(xG)が登場した。
本稿では,xG統計を用いた仕上げ技術の評価に関する限界とニュアンスに対処することを目的とする。
論文 参考訳（メタデータ） (2024-01-18T12:41:58Z) - 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) - A Graph-Based Method for Soccer Action Spotting Using Unsupervised
Player Classification [75.93186954061943]
アクションスポッティングには、ゲームのダイナミクス、イベントの複雑さ、ビデオシーケンスのバリエーションを理解することが含まれる。
本研究では, (a) 選手, 審判, ゴールキーパーをグラフのノードとして識別し, および (b) 時間的相互作用をグラフのシーケンスとしてモデル化することによって, 前者に焦点を当てる。
プレーヤ識別タスクでは,他のモダリティと組み合わせることで,平均mAPの57.83%の総合的な性能が得られる。
論文 参考訳（メタデータ） (2022-11-22T15:23:53Z) - 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) - GCN-WP -- Semi-Supervised Graph Convolutional Networks for Win
Prediction in Esports [84.55775845090542]
本稿では,グラフ畳み込みネットワークに基づくエスポートに対する半教師付き勝利予測モデルを提案する。
GCN-WPはマッチとプレーヤに関する30以上の機能を統合し、近隣のゲームを分類するためにグラフ畳み込みを使用している。
本モデルは,LLの機械学習やスキル評価モデルと比較して,最先端の予測精度を実現する。
論文 参考訳（メタデータ） (2022-07-26T21:38:07Z) - Explainable expected goal models for performance analysis in football
analytics [5.802346990263708]
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。
論文 参考訳（メタデータ） (2022-06-14T23:56:03Z) - Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。
提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。
次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
論文 参考訳（メタデータ） (2022-03-10T02:37:39Z) - CommonsenseQA 2.0: Exposing the Limits of AI through Gamification [126.85096257968414]
現代自然言語理解モデルの能力をテストするベンチマークを構築した。
本研究では,データ構築の枠組みとしてゲーミフィケーションを提案する。
論文 参考訳（メタデータ） (2022-01-14T06:49:15Z) - Game Plan: What AI can do for Football, and What Football can do for AI [83.79507996785838]
予測的および規範的フットボール分析は、統計学習、ゲーム理論、コンピュータビジョンの交差点における新たな発展と進歩を必要とする。
フットボール分析は、サッカー自体のゲームを変えるだけでなく、この領域がAIの分野で何を意味するのかという観点からも、非常に価値の高いゲームチェンジャーであることを示す。
論文 参考訳（メタデータ） (2020-11-18T10:26:02Z)
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。