2017年2月24日金曜日

【記事感想】Football LAB, 2016年のJ1リーグ全試合データを機械学習し、、、

紹介する記事は、Football LAB に投稿された、「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」です。

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)

  1. 失点パターンを考慮する。
  2. 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。




にほんブログ村 サッカーブログへ
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

Related Posts Plugin for WordPress, Blogger...