Analyse du football avec l'apprentissage automatique (French Edition)

Chapitre 8. Ingénieriedes caractéristiques pour l'analyse du football

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

Au chapitre 7, on a vu que même les modèles très flexibles dépendent toujours de la qualité et de la structure de leurs données d'entrée. Ce chapitre aborde directement ce problème de représentation.

L'analyse exploratoire des données (EDA) nous aide à comprendre ce que contiennent les données. L'ingénierie des caractéristiques, c'est là où on décide ce que le modèle doit en tirer .

Cette distinction est importante. Les données brutes sur le football sont riches, mais elles sont rarement organisées sous la forme dont un modèle a le plus besoin. Les résultats des matchs nous indiquent ce qui s’est passé, mais pas si une équipe s’améliore. Les données sur les événements nous indiquent où les actions se sont produites, mais pas quels schémas sont les plus importants. Un classement nous indique qui est en tête, mais pas à quel point une équipe est vraiment forte lorsque l’on prend en compte la difficulté du calendrier, le lieu, la forme et la qualité des tirs. L’ingénierie des caractéristiques

L', ou ingénierie des caractéristiques, est l'étape où l'analyse devient modélisation. C'est là que nous traduisons les connaissances sur le football en signaux structurés : la forme récente plutôt que les totaux de la saison, les performances spécifiques au terrain plutôt que les moyennes génériques, ...