Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

What If They Took the Shot? A Hierarchical Bayesian Framework for Counterfactual Expected Goals

Created by
  • Haebom
Category
Empty

저자

Mikayil Mahmudlu, Oktay Karaku\c{s}, Hasan Arkada\c{s}

개요

본 연구는 모든 선수를 동일하게 취급하는 기존의 기대 득점(xG) 추정 모델의 한계를 해결하기 위해, 전문가의 도메인 지식을 통합하는 계층적 베이지안 프레임워크를 개발했습니다. 2015-16 시즌 StatsBomb 데이터와 Football Manager 2017 평점을 사용하여, 베이지안 로지스틱 회귀분석과 정보를 포함한 사전 지식을 결합하여 선수별 추정치를 안정화했습니다. 특히 슛 시도가 적은 선수에게 유용하며, 모델은 해석 가능한 전문화 프로파일을 밝혀냈습니다. 또한, 상황 변화에 따른 선수별 득점 변화를 분석하여 선수 평가, 영입, 전술 계획에 활용할 수 있는 불확실성을 고려한 도구를 제공합니다.

시사점, 한계점

•
시사점:
◦
선수별 특성을 고려한 xG 추정 모델 개발.
◦
소수의 슛 시도에도 선수별 효과를 안정적으로 추정 가능.
◦
해석 가능한 선수별 전문화 프로파일 제시.
◦
"What-if" 시나리오 분석을 통한 선수 평가 및 전술 계획 지원.
◦
선수 교체 시 득점 기대값 변화 분석을 통해 전술적 통찰력 제공.
◦
개인 기술과 상황적 요인이 함께 작용하는 다른 분야에도 적용 가능한 일반적인 접근 방식 제시.
•
한계점:
◦
모델 성능은 데이터와 활용된 선수 평점의 품질에 의존적.
◦
외부 검증 지표가 XGBoost 모델에 비해 약간 낮음.
◦
분석에 사용된 데이터의 특정 시즌에 대한 제한된 적용 가능성.
◦
모델의 복잡성으로 인해 해석 및 구현에 대한 추가적인 노력이 필요할 수 있음.
👍
Made with Slashpage