第8章 サッカー分析のための特徴量 エンジニアリング
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7章では、柔軟性の高いモデルであっても、 その入力データの品質や構造に依存関係があることが分かった。 本章では、その表現の問題に直接取り組む。
探索的データ分析(EDA)は、データに何が含まれているかを理解するのに役立つ。 特徴量エンジニアリングとは、モデルがデータから何を学習すべきかを 決定するプロセスである。
この区別は重要だ。 サッカーの生データは豊富だが、モデルが 最も必要とする形式で整理されていることはめったにない。 試合結果は何が起きたかを教えてくれるが、チームが向上しているかどうかは教えてくれない。 イベントデータはアクションがどこで発生したかを教えてくれるが、どのパターンが最も 重要かは教えてくれない。 リーグ表は誰が上位にいるかを教えてくれるが、スケジュールの難易度、会場、調子の良し悪し、シュートの質などを 考慮に入れた場合、チームが実際にどれほど強いかは 教えてくれない。
特徴量エンジニアリング は、分析がモデリングへと移行する段階だ。 ここで我々は、サッカーに関する知識を構造化されたシグナルへと変換する。 シーズン合計ではなく直近の調子、一般的な平均値ではなく会場ごとのパフォーマンス、 シュート数ではなくシュートの品質、そして単なる直感ではなくチームの実力評価といった具合に。 適切に行われれば、これは単なる技術的な整理の段階にとどまらない。 予測モデルをより賢く、より安定させ、 より解釈しやすくするための主要な手法の一つとなる。
サッカー分析において、特徴量エンジニアリングは、単なるデータ駆動型のモデルと、 真に有益なモデルとの差を生むことが多い。 2つのチームがともに1試合あたり2ゴールを挙げているとしても、一方はより質の高い シュートを作成し、より弱い相手と対戦し、十分な休息の利点があるかもしれない。 こうした違いは、単一の生データ列にはめったに現れない。 それらをエンジニアリングで抽出する必要があるのだ。
この章では、試合レベルとイベントレベルのデータの両方から、パフォーマンス、コンテキスト、 そしてチームの強さを捉える特徴量を構築する。 直近の調子、ホームアドバンテージ、シュートの品質、守備の 活動量、過密日程、セットプレーの脅威、そしてColley、PageRank、Eloといった ランキングに基づく指標を定量化していく。 この章の終わりまでに、何が特徴量を有用にするのか、 将来の情報漏洩を招かずに特徴量を構築する方法、 そして生データをモデル投入可能な入力データに変換する方法について、 より明確な理解が得られるだろう。
特徴量エンジニアリング:生データから予測シグナルへ
第3章の終わりで紹介したように、特徴量エンジニアリングはサッカーの知識を構造化されたシグナルに変換する重要なステップだ。モデルは、我々が与える表現からしか学習できない。その表現が弱ければ、洗練度の高いアルゴリズムでさえ苦戦するだろう。もしそれが強力であれば、より単純なモデルでも驚くほど効果的になることがある。
これまでの章で、期待ゴール(xG)、パス成功率、単純な移動平均といった基礎的な特徴量については既に紹介したが、本章ではさらに深く掘り下げる。ここでは試合レベルの予測、つまり今日までのチームに関するあらゆる情報を基に、今後の試合の結果を予測することに焦点を当てる。 ...
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