第5章 分類を用いたサッカーの結果予測
この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている:translation-feedback@oreilly.com
第4章では、市場価値や 得点数といった数値的な結果をモデル化した。 しかし、サッカーに関する多くの質問は、大きさではなくカテゴリーに関するものだ。 シュートがゴールになるか、パスが成功するか、あるいは試合が どのような結果になるかといったことだ。 これが分類の舞台となる 。
分類では、回帰と同じ全体的なワークフローが維持される: ターゲットを定義し、特徴量を選択し、モデルをトレーニングし、慎重に評価する。 変わるのはタスクそのものだ。 連続値を推定する代わりに、観測値をいくつかの離散クラス のいずれかに割り当てる。 次のような質問を考えてみよう:
-
このシュートはゴールになるか、ならないか?
-
このパスは成功するだろうか?
-
ホームチームは勝つのか、負けるのか、それとも引き分けるのか?
-
プレッシャー下で、選手はどのようなパスを試みるだろうか?
これらはすべて分類問題だ。 答えは滑らかな尺度上の数値ではなく、ラベルや確率となる。 この変化は些細に聞こえるかもしれないが、モデルの解釈方法や パフォーマンスの測定方法を変える。 サッカー分析において分類が重要となるのは、不確実性が中心にある場合でも、 多くの実際の意思決定が最終的にはカテゴリカルなものだからだ。
この章の終わりまでに、以下のことができるようになるだろう:
-
分類の基礎概念と、サッカーにおけるそのアプリケーションを 理解する。
-
シュートがゴールになる確率を予測するために、ロジスティック回帰モデルを構築、トレーニング、解釈する(有名な期待ゴール、すなわちxGモデル)。
-
混同行列、精度、再現率、受信者動作特性曲線などの一連の評価基準を用いて、予測の精度を測定する。
-
スキルを拡張し、試合結果(勝ち・引き分け・負け)の予測など、多クラス分類問題に取り組む。
-
データ内の類似したパターンを発見するための直感的なアルゴリズムであるk-近傍法(KNN)を実装する。
-
試合結果予測モデルを一から構築し、完全なケーススタディを完了する。
本章では、StatsBombの実世界のデータを使用する。 目的は、分類に対する直感を養い、一般的な評価基準がどのように関連しているかを示し、次の章で扱うより柔軟な木ベースのメソッドに備えることである。
コイン投げからゴール予測まで: 分類の理解
分類の本質は、ソートにある。サッカーボールが入ったバケツを想像してほしい。中にはサイズ5(大人用)のものもあれば、サイズ4(子供用)のものもある。 あなたのタスクは、1つを手に取り、ラベルを見ずにそれがどちらのサイズか判断することだ。重さや大きさ、パネルの質感などを確かめるかもしれない。特徴(重み、大きさ、質感)を把握して、クラス(サイズ4かサイズ5)を代入する。これが分類だ。
サッカーの分析においても、その原理は同じだが、その重要性はより高く、データの複雑さはより大きい。サッカーボールの代わりに試合のイベントを用い、直感の代わりに強力なアルゴリズムを用いる。
分類問題には主に2つの種類があり、それらは「何種類のカテゴリから選択するのか」という単純な質問によって区別される。
二値分類( )は 「これかあれか」という問題であり、2つの結果しかあり得ない場合に用いられる。これは最も一般的な分類のタイプであり、サッカーの至る所に見られる: ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access