筆者は、篠田 裕之さんで、ホームページ「mirandora.com」を運営されています。
データ解析をバリバリされている方のようです。
記事を読んだんですが、「一般人の方にはちょっと…」に思えたので、感想を書いておきます。
「データ解析なんて知らねーけど、このタイトルには惹かれた」という方は、とりあえず5ページ目「2016年のJ1リーグ全試合データを機械学習し、2017年の展望を予測する（5）」で、予測結果の順位を見る事をお勧めします。
予測結果の順位については、風間監督と大久保選手のいなくなった川崎と、2ndステージで躍進した鳥栖の順位は、大きく変わるんじゃないですかね？
この記事の2ページ後半から4ページは、普段データ解析に縁が無い方、あるいは研究者技術者で無い方は読まなくとも良いです。
以下の感想も、チンプンカンプンだと思います。
一般人向けではないです。ごめんなさいm(_ _)m
感想は2点です。
- 文章がマニア向け。（to Football LABと筆者）
- 予測パラメータについて。（to 興味のある研究者）
文章についての感想ですが、この文章構成からして、今回の記事は研究会の集録としてはOKですが、一般人向けの記事としてはレッドカード判定です。
（Football LABさん、今回の記事は一般人向けなんですよね？）
私が指導教官か編集者なら、送り返します。
太陽フレアの予測研究をかじった私としては「高度な手法を使ってるなぁ」と思える内容でした。
ただサッカーファン（サッカーに興味のある一般の人達）にとっては、興味のある2017年の順位予想にたどりつくまで、2ページ後半から4ページが苦痛だったと思います。
（自己組織化マップ、面白いですね）
一般の方々が、2ページ後半から4ページの内容で「へー、へー、へー（ボタンポチポチポチ）」するとは思えません。
Football LABの主旨にふさわしい記事の主題・結果だとは思いますが、「文章構成を変えてくれ」みたいなやりとりは筆者とFootball LABの間であったのでしょうか？
予測パラメータについては、今回はゴール数を再現するパラメータが使われました。
拡張する方向を考えると、次の2点です。（誰でも思いつくでしょうが）
- 失点パターンを考慮する。
- 監督をパラメータにぶち込む。
今回の記事では自チームのゴール数のみが使われたようですが、やはり相手チームあってのサッカーですから、自チームの失点数、失点パターンも考慮すると予測の精度は間違いなく上がるはずです。
ただ、現状公開されているスタッツデータには守備についてのパラメータは多くありません。
何も考えずに取れているパラメータを使うのも手ですが、タックル、インターセプト、クリアなどの諸数で、守備をどの程度評価できるかは興味のあるところです。
あとは、さらに先の課題として監督をパラメータに落とし込みたいです。
今回、選手の移籍は考慮できているようですが、監督の移籍は考えられていません。
戦術の決定権は監督にあるわけで、戦術の結果であるクロスやスルーパスの頻度を変えないということは、監督の移籍は無いと仮定する事になります。
2016年シーズンの名古屋グランパスを考えると、「ちょっとそれは待ってくれ」と言いたいです。いやマジで。
チームは成熟しますし、監督と選手達も成長するので、簡単にパラメータ化するのは難しいと思いますが、まぁ落とし込むしかないんでしょうね。
クリックして頂けると励みになりますm(_ _)m
0 件のコメント:
コメントを投稿