論文の概要: Biases in Expected Goals Models Confound Finishing Ability
- arxiv url: http://arxiv.org/abs/2401.09940v1
- Date: Thu, 18 Jan 2024 12:41:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-19 16:48:10.942275
- Title: Biases in Expected Goals Models Confound Finishing Ability
- Title(参考訳): 期待ゴールモデルにおけるバイアスとフィニッシュ能力
- Authors: Jesse Davis and Pieter Robberechts
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 18.67526513350852
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Expected Goals (xG) has emerged as a popular tool for evaluating finishing
skill in soccer analytics. It involves comparing a player's cumulative xG with
their actual goal output, where consistent overperformance indicates strong
finishing ability. However, the assessment of finishing skill in soccer using
xG remains contentious due to players' difficulty in consistently outperforming
their cumulative xG. In this paper, we aim to address the limitations and
nuances surrounding the evaluation of finishing skill using xG statistics.
Specifically, we explore three hypotheses: (1) the deviation between actual and
expected goals is an inadequate metric due to the high variance of shot
outcomes and limited sample sizes, (2) the inclusion of all shots in cumulative
xG calculation may be inappropriate, and (3) xG models contain biases arising
from interdependencies in the data that affect skill measurement. We found that
sustained overperformance of cumulative xG requires both high shot volumes and
exceptional finishing, including all shot types can obscure the finishing
ability of proficient strikers, and that there is a persistent bias that makes
the actual and expected goals closer for excellent finishers than it really is.
Overall, our analysis indicates that we need more nuanced quantitative
approaches for investigating a player's finishing ability, which we achieved
using a technique from AI fairness to learn an xG model that is calibrated for
multiple subgroups of players. As a concrete use case, we show that (1) the
standard biased xG model underestimates Messi's GAX by 17% and (2) Messi's GAX
is 27% higher than the typical elite high-shot-volume attacker, indicating that
Messi is even a more exceptional finisher than people commonly believed.
- Abstract(参考訳): expected goal (xg) はサッカー分析におけるフィニッシュスキルを評価するための一般的なツールである。
プレイヤーの累積xGと実際のゴール出力を比較し、一貫したオーバーパフォーマンスが強いフィニッシュ能力を示す。
しかし,xGを用いたサッカーのフィニッシュスキルの評価は,選手の累積xGを一貫して上回ることの難しさから,いまだに論争の的となっている。
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。
具体的には,(1)実目標と期待目標の偏差は,ショット結果のばらつきとサンプルサイズの制限による不適切な指標である,(2)累積xg計算における全ショットの包含が不適切である,(3)xgモデルはスキル測定に影響するデータの相互依存性に起因するバイアスを含む,という3つの仮説を考察する。
累積xGの持続的オーバーパフォーマンスには高いショット量と例外的なフィニッシュの両方が必要であり、全てのショットタイプは熟練したストライカーのフィニッシュ能力を曖昧にし、実際のゴールと期待されるゴールを実際よりも優れたフィニッシャーに近づける永続的バイアスがあることを発見した。
分析の結果,AIフェアネスの手法を用いて,プレイヤーの複数のサブグループに対して校正されたxGモデルを学習するために,プレイヤーのフィニッシュ能力を調べるためには,より微妙な定量的アプローチが必要であることが示された。
具体的には,(1)標準偏差xGモデルがMessiのGAXを17%過小評価し,(2)MessiのGAXは一般のエリート・ハイショット・ボリューム・アタッカーよりも27%高い値を示し,Messiは一般的に信じられているよりもはるかに優れたフィニッシャーであることを示す。
関連論文リスト
- Can Large Language Models do Analytical Reasoning? [45.69642663863077]
本稿では,スポーツにおける分析的推論を用いた最先端の大規模言語モデルについて検討する。
GPT-4が有効であり,次いでClaude-2.1,GPT-3.5,Gemini-Pro,Llama-2-70bが遅れている。
意外なことに、GPT-4を含むほとんどのモデルでは、NFLのクォータースコアは高いパフォーマンスを示したにもかかわらず、NBAのクォーターの総得点を正確に数えるのに苦労している。
論文 参考訳(メタデータ) (2024-03-06T20:22:08Z) - 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 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) - WinoGAViL: Gamified Association Benchmark to Challenge
Vision-and-Language Models [91.92346150646007]
本研究では,視覚・言語関係を収集するオンラインゲームであるWinoGAViLを紹介する。
私たちはこのゲームを使って3.5Kのインスタンスを収集し、それらが人間には直感的だが最先端のAIモデルには挑戦的であることを発見した。
我々の分析とプレイヤーからのフィードバックは、収集された協会が多様な推論スキルを必要とすることを示している。
論文 参考訳(メタデータ) (2022-07-25T23:57:44Z) - 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) - Leaving Goals on the Pitch: Evaluating Decision Making in Soccer [21.85419069962932]
機械学習と人工知能(AI)の技術を組み合わせてサッカーにおける意思決定を推論する汎用フレームワークを提案する。
私たちの重要な結論は、チームが少数のチーム固有の場所でペナルティボックスの外からより頻繁にショットした場合、より多くの目標を達成できるということです。
論文 参考訳(メタデータ) (2021-04-07T16:56:31Z) - Evaluation of soccer team defense based on prediction models of ball
recovery and being attacked [0.8921166277011345]
本研究では,ボールの回復と攻撃の予測に基づいて,チーム防御を評価する手法を提案する。
45試合のデータを用いて,提案する指標とチームパフォーマンスの関係を検討した。
論文 参考訳(メタデータ) (2021-03-17T13:15:41Z) - Unbiased Scene Graph Generation from Biased Training [99.88125954889937]
因果推論に基づく新しいSGGフレームワークを提案するが、従来の可能性ではない。
トレーニングされたグラフから反ファクト因果関係を抽出し、悪バイアスから影響を推測する。
特に,無バイアスSGGに対する最終述語スコアとしてTotal Direct Effect(TDE)を用いる。
論文 参考訳(メタデータ) (2020-02-27T07:29:53Z)
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。