Leaving Goals on the Pitch: Evaluating Decision Making in Soccer

要約

サッカーで一般的な期待ゴール数 (xG) 指標の分析によると、(わずかに) 少数の高品質の試行は、多数の低品質の試行よりも多くのゴールを生み出す可能性が高いと判断されました。
この観察により、射撃行動が変化しました。
チームは、後でゴールに近づくより良いショットを生成することを期待して、ペナルティ ボックスの外からのショットをパスしています。
この論文では、長距離シュートのこの減少が正当化されるかどうかを評価します。
したがって、機械学習と人工知能 (AI) の手法を組み合わせることで、サッカーの意思決定について推論するための新しい一般的なフレームワークを提案します。
まず、イベント ストリーム データからマルコフ決定プロセス (MDP) を学習することにより、チームが 2 シーズンにわたって攻撃的にどのように行動したかをモデル化します。
次に、各チームの MDP に対する検証に関する AI 文献から得られた推論手法を使用します。
これにより、MDP に反事実的な質問をすることで、特定の潜在的な決定の有効性について推論することができます。
私たちの重要な結論は、少数のチーム固有の場所で、ペナルティ ボックスの外からより頻繁にシュートを打てば、より多くのゴ​​ールを獲得できるということです。
提案されたフレームワークは、ゲームの他の側面を分析するために簡単に拡張および適用できます。

要約(オリジナル)

Analysis of the popular expected goals (xG) metric in soccer has determined that a (slightly) smaller number of high-quality attempts will likely yield more goals than a slew of low-quality ones. This observation has driven a change in shooting behavior. Teams are passing up on shots from outside the penalty box, in the hopes of generating a better shot closer to goal later on. This paper evaluates whether this decrease in long-distance shots is warranted. Therefore, we propose a novel generic framework to reason about decision-making in soccer by combining techniques from machine learning and artificial intelligence (AI). First, we model how a team has behaved offensively over the course of two seasons by learning a Markov Decision Process (MDP) from event stream data. Second, we use reasoning techniques arising from the AI literature on verification to each team’s MDP. This allows us to reason about the efficacy of certain potential decisions by posing counterfactual questions to the MDP. Our key conclusion is that teams would score more goals if they shot more often from outside the penalty box in a small number of team-specific locations. The proposed framework can easily be extended and applied to analyze other aspects of the game.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google