Доли мастерства и удачи в футбольном выигрыше вычисляемы

Image for post
Image for post

Ласло Барабаши, которого иногда называют Эйнштейном ХХI века, в контексте непредсказуемости хода ЧМ 2018, давеча рекомендовал всем познакомиться с работой своего коллеги Луки Паппалардо.

Лука заинтриговал многих, написав у себя в Twitter следующее:

«Поражающий числом случайностей ЧМ 2018 ставит во главу угла вопрос — каково соотношение мастерства и удачи в футбольных выигрышах. И наше недавнее исследование дает ответ на этот вопрос».
https://goo.gl/B9HyJj

Рекомендация Барабаши и все возгоняющийся хайп ЧМ 2018 заставили меня тут же прочесть рекомендованную работу, как-то проскочившую мимо меня в прошлом году.

И честно сказать, был впечатлен.

Все вы видите в каждом матче разнообразную матчевую аналитику: процент владения мячом, точность передач, число ударов в створ ворот и т.д.

Но что если:

  • собирать и мониторить не десяток показателей, а ВСЕ значимые события матча (передача, принятие передачи, удар, подкат, отбор мяча, его потеря, нарушение, борьба за мяч в воздухе и т.д.) для каждого игрока в привязке к координатам событий на поле и последствиям каждого из событий;
  • а потом оцифровывать их: например, взять 10 млн. таких событий в 6 тыс. матчей, игранных в 2013–2016 гг 145тью клубами 6ти европейских национальных футбольных лиг;
  • и запустить на этих Больших данных алгоритмы машинного обучения.
Image for post
Image for post

Что тогда получится?

Так и сделала команда под руководством Луки Паппалардо, чтобы получить фантастически интересные результаты о соотношении мастерства и удачи в футбольных выигрышах.

Для тех, у кого нет времени читать 29 страниц, скажу, что меня поразило больше всего.

✔️ Это даже не то, что натасканный на полученных Больших данных алгоритм машинного обучения, не зная результатов матчей, с высокой точностью рассчитал текущий уровень мастерства команд,

Image for post
Image for post

а также предсвказал рейтинги команд и места, занятые ими по итогам турниров национальных лиг.

Image for post
Image for post

✔️ Больше всего меня поразило намерение авторов, добавив к анализируемым данным кривые пространственно-временных перемещений игроков, натравить натасканные на Больших данных о прошлых играх алгоритмы машинного обучения на онлайн трекинг вживую идущих матчей.

Т.е. например, — вы смотрите матч Реала и Барселоны.

А на 10й минуте вам показывается матчевая аналитика.

Image for post
Image for post

И последней строчкой в ней написано: по расчетам Гугл-Футбол, с 95%ной вероятностью победит Барселона с, примерно, таким пояснением.

Image for post
Image for post

И вопрос теперь даже не в том, — кто после этого станет досматривать матч.

А в том, зачем вообще его начинать, если победителя можно с высокой вероятностью определить заранее, проанализировав текущий относительный уровень мастерства команд?

_________________________

Хотите читать подобные публикации? Подписывайтесь на мой канал в Телеграме, Medium, Яндекс-Дзене

Считаете, что это стоит прочесть и другим? Дайте им об этом знать, кликнув на иконку “понравилось”

Малоизвестное интересное на стыке науки, технологий, бизнеса и общества - содержательные рассказы, анализ и аннотации

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store