使用机器学习预测精英足球中的防守成功 - 使用跟踪数据和可解释的AI分析防守比赛的战术分析
Leander Forcher1,2, Tobias Beckmann3, Oliver Wohak3
1Institute of Sports and Sports Science, Karlsruhe Institute of Technology, Karlsruhe, Germany.
Science & medicine in football
|July 21, 2023
概括
这项研究使用足球跟踪数据和机器学习来识别关键的防守战术. 调查结果显示,压力球载体和保持数量优势对于成功的防守球获利至关重要.
科学领域:
- 运动科学 运动科学 运动科学
- 绩效分析 绩效分析
- 运动中的机器学习
背景情况:
- 追踪数据为团队体育表现提供了准确的见解.
- 足球防守分析一直落后于进攻策略.
- 机器学习可以揭示客观的性能结构.
研究的目的:
- 用追踪数据预测足球防守中的球获利.
- 识别影响防御成功的战术变量.
- 提供客观的洞察力,以防守的游戏.
主要方法:
- 利用了来自153场德甲比赛 (2020/21赛季) 的跟踪数据.
- 来自玩家 (压力,距离,速度) 和团队 (线际距离,优势,面积,扩散) 的指标.
- 训练有素的监督机器学习分类器 (逻辑回归,XGBoost,随机森林) 来预测成功的球收益.
主要成果:
- 具有16个特性的随机森林分类器实现了最佳预测性能 (F1-Score = 0.57).
- 确定了关键的战术特征:压制球载体,在球附近创造数量优势,并保持紧的防守组织.
- 这些特征与成功的防守比赛和球获利密切相关.
结论:
- 战术原则,如协调压力和数量优势,对于足球中防守成功至关重要.
- 追踪数据的机器学习分析为从业者提供了有价值的客观见解.
- 这项研究强调了改善足球防守表现的可操作策略.
