hayato-yokoyama
commented
3 years ago スタッツはどのデータが勝敗に有効か?
https://www.football-lab.jp/ の試合情報の予測に有効な特徴量を探る
featureimportances で予測の特徴量の重要度を調べる
df_.columns
>>>
Index(['H/A', 'Attendances', 'AGI', 'KAGI', 'CBR', 'Shots', 'SSR',
'Possession', 'AttackCBP', 'PassCBP', 'StealP', 'DefenceP'],
dtype='object')rf.feature_importances_
>>>
array([0.00294365, 0.02665594, 0.02806956, 0.03975137, 0.06168009,
0.03477526, 0.47927286, 0.06245317, 0.04771433, 0.05398673,
0.03040739, 0.13228965])from sklearn.ensemble import RandomForestClassifier
rf= RandomForestClassifier(max_depth=5)
rf.fit(X_train,y_train)
rf.score(X_test,y_test)
>>>
0.6771488469601677SSR(シュート成功率)がかなり重要な特徴量になっていて､その他守備Pも重要な特徴量になっている｡ H/Aは重要度がかなり低い｡ SSRが重要な特徴量になることは当然｡ 守備Pは意外｡
守備Pの有効性を検証
2020シーズンで守備Pの全試合合計が年間順位に関係しているか検証
clubs = ['consadole-sapporo','vegalta-sendai','kashima-antlers','urawa-red-diamonds','kashiwa-reysol','fc-tokyo','kawasaki-frontale','yokohama-fa-marinos','yokohama-fc','shonan-bellmare','shimizu-s-pulse','nagoya-grampus-eight','gamba-osaka','cerezo-osaka','vissel-kobe','sanfrecce-hiroshima','sagan-tosu','oita-trinita']
defencePs = []
for c in clubs:
df = pd.read_csv(f"./match_data_club/{c}/{c}_2020.csv")
print(c ,sum(df.DefenceP))
>>>
consadole-sapporo 407.47
vegalta-sendai 563.1099999999999
kashima-antlers 408.18
urawa-red-diamonds 518.78
kashiwa-reysol 515.5500000000001
fc-tokyo 484.09
kawasaki-frontale 409.87999999999977
yokohama-fa-marinos 443.37
yokohama-fc 522.53
shonan-bellmare 524.3699999999999
shimizu-s-pulse 506.55000000000007
nagoya-grampus-eight 449.83000000000004
gamba-osaka 508.95000000000005
cerezo-osaka 526.5300000000001
vissel-kobe 437.31999999999994
sanfrecce-hiroshima 468.6099999999999
sagan-tosu 544.68
oita-trinita 626.86関係性はなさそう｡ したがって守備Pが重要な特徴量となるのは､その試合において重要な特徴量と判断されるだけ｡ 守備Pが高い→攻め込まれている とも取れる｡
試合ごとのスタッツを未来の勝敗予測に用いるのはだいぶ難しい｡
背景
これまでにEloRatingが勝敗予測に有効な特徴量であることがつかめた｡しかし､EloRatingは過去の勝敗結果をRatingとして数値化したようなものであり､単純で順当な結果を予測しやすい｡ (精度40~50%ほど)
そこで､より特徴量を増やして予測していきたいと思い､有効な特徴量を探る