Este artículo muestra cómo predecir los goles esperados y la eficacia de los tiros a partir de vídeos de momentos destacados de fútbol y validar las clasificaciones objetivas de equipos y jugadores mediante el método de K-means y el análisis de componentes principales, aplicando estos métodos a los datos de la liga J1.

Este artículo desvela los secretos que hay detrás de la predicción de la probabilidad de un gol de fútbol a partir de vídeos de momentos destacados. Aprenderá a aplicar el método de agrupación de K-means y el análisis de componentes principales para obtener una precisión de predicción óptima.

Prólogo

Existe una gran cantidad de investigaciones sobre el rendimiento del juego y la expectativa de gol en el fútbol, un tema que a menudo es analizado por los investigadores del fútbol. La expectativa de gol es una herramienta valiosa para predecir la probabilidad de que un jugador o un equipo marque o reciba un gol. Por lo tanto, el objetivo de este artículo es inferir la expectativa de gol y la eficacia de los disparos a partir de los vídeos de los mejores momentos del fútbol y validar las evaluaciones objetivas de los equipos y los jugadores mediante el método de K-means.

Demostramos que las habilidades de los equipos pueden ser evaluadas objetivamente mediante la extracción de vídeos de fútbol y validamos nuestro enfoque a través del análisis detallado de un partido real.

¿Qué son los Goles Esperados?

Conocido como goles esperados (xG), es una forma de medir la probabilidad de que un disparo acabe en la red mediante un complejo análisis. Analizando cada jugada, los goles esperados se calculan utilizando datos históricos de tiros anteriores que dieron lugar a goles, y luego se predice la probabilidad de que acabe en el blanco y en el fondo de la red.

El valor de gol esperado se calcula midiendo la probabilidad de que se marque un tiro en un lugar específico en función de una serie de factores. Los factores que se tienen en cuenta son la distancia a la portería, el ángulo con respecto a la portería, el tipo de ocasión (tiro a distancia o juego cercano con defensas alrededor) y el movimiento previo al tiro.

¿Para qué Sirve Conocer el Valor de Goles Esperados xG?

De repente, si miras la xG, estás ante un modelo analítico que puede aplicarse a un gran número de partidos. El nombre de Goles Esperados se deriva del cálculo de un valor esperado basado en cuántos goles se marcarían en su situación específica y en esas características: equipos, campo, posición del jugador, tipo de disparo mediante posiciones del balón, distancia de la portería y velocidad.

En definitiva, los goles esperados xG es una forma diferente de ver los números. xG te dice cuáles son las probabilidades de que un equipo anote todos sus tiros y la efectividad de cada uno de ellos. El modelo utiliza todos los datos de cada tiro realizado en las últimas cinco temporadas, teniendo en cuenta dónde y cómo se ha realizado.

Los goles esperados pueden ser una herramienta muy útil para los mánager de fútbol de fantasía con el fin de determinar que jugadores tienen mayor rentabilidad tanto a nival ofensivo como defensivo: por ejemplo un guardameta que recibe pocos goles y se enfrenta a un equipo con valores bajos de goles esperados.

¿Qué Variables Influyen en el Cálculo de Goles Esperados?

Esta es la primera pregunta que hay que hacerse. Hay muchas variables que entran en juego a la hora de calcular la probabilidad de un disparo a puerta, pero quizá sean las más obvias: distancia a la portería (cuanto más cerca, más probable), ángulo respecto a la portería (cuanto más centrado, más probable), parte del cuerpo del disparo (cabeza, pierna derecha…).

Hay otros factores que pueden ser variables importantes en el cálculo de goles esperados: si fue un uno contra uno o si fue una asistencia, cuánta presión había sobre el portero y qué tan bien (hasta la fecha) lo ha hecho parando tiros similares. También incluimos variables que pueden hacer este cálculo más complejo, como si había jugadores en el camino del disparo o si el portero desvió el balón antes de atajarlo.

¿Cómo podemos utilizar los goles esperados?

La estadística de goles esperados es un complemento perfecto para la cuenta de goles de un delantero. Los números xG nos ayudan a poner datos detrás del resultado de cada disparo y a calcular la frecuencia con la que esperaríamos que se convirtiera un disparo en función de factores como la ubicación y la fuerza defensiva. Algunos jugadores son mejores que otros a la hora de realizar disparos desde mejores posiciones, o desde ángulos más difíciles.

Por consiguiente xG es una forma de cuantificar la calidad de una determinada ocasión. Asigna una puntuación basada en la probabilidad estimada de que ese tiro específico acabe en gol. Por ejemplo, un disparo desde cerca y con el portero fuera de su posición tendría un valor xG más alto que un disparo de larga distancia desde dentro del área.

Tamaño de la Muestra y Métodos Utilizados

Este artículo desvela los secretos que hay detrás de la predicción de la probabilidad de un gol de fútbol a partir de los vídeos de los mejores momentos. Aprenderá a aplicar el método de agrupación de K-means y el análisis de componentes principales para obtener una precisión de predicción óptima.

Tamaño de la Muestra

Se recopiló el número total de disparos en la Liga J1 (0-22, 429 jugadores de la J1, 218 partidos) para la temporada 2020-2021 con un intervalo de confianza del 95% mientras se veía en DAZN. El conjunto de datos contiene 4665 disparos, eliminando los penaltis y sin incluir los goles en propia puerta. (Incluidos los lanzamientos de penalti.) Además, el número de disparos por partido se obtuvo utilizando datos sobre los minutos de los jugadores de J-Stats.

Métodos Utilizados

El cálculo de los valores de expectativa de gol se construyó según Rathke, A (2017) dividiendo todos los disparos en ocho zonas utilizando las coordenadas X (distancia desde el centro de la portería) e Y (ángulo desde el centro de la portería), como se muestra en la Figura 1. Para calcular los goles esperados por cada club durante la temporada, se multiplicó el número de disparos por zona por el correspondiente ratio de goles por disparo. La eficacia de los disparos se midió utilizando el enunciado «número real de goles dividido por el número esperado de goles», tal y como describe Rathke, A (2017). El documento también utilizó el método K-means (análisis de conglomerados no jerárquicos) y el análisis de componentes principales para la evaluación objetiva de los equipos y los jugadores utilizando scikit-learn, una biblioteca de aprendizaje automático de Python.

Eight Shooting Zones
(Figura 1) Ocho áreas de zona.
(Figura 2) Objetivo esperado del equipo y relación entre el número de goles.

En la J1, la diferencia entre el Kawasaki Frontale y el Yokohama F Marinos en términos de goles marcados por partido (Kawasaki Frontale: 2,41, Yokohama F Marinos: 2) y de goles esperados cuando se les da la oportunidad (Kawasaki Frontale: 3,14, Yokohama F Marinos: 3,31).

(Figura 3) Objetivo esperado del jugador y relación entre el número de goles.

En la J1, Kyogo Furuhashi fue el primero en tener el mayor número de disparos en esa temporada (78), con un 53% de ellos procedentes del interior del área. En este caso, se puede decir que Kyogo Furuhashi es un jugador que dispara más y puede marcar goles con disparos de baja calidad (zona 6).

(Figura 5) Método K-means (análisis de conglomerados no jerárquicos) y análisis de componentes principales de equipos y jugadores

Eficiencia de Tiro de los Equipos en J1 League

(Tabla 1) Eficiencia de tiro de los equipos

Conclusión

Este estudio demuestra el valor y la fiabilidad de la expectativa de gol en la J1 League de fútbol japonesa. La aplicación práctica directa de este método sería útil para que los clubes identifiquen a los jugadores y negocien los precios en el mercado de fichajes. Espero que esta investigación conduzca a un mayor desarrollo del fútbol japonés.

Este modelo puede ampliarse para predecir los goles esperados en las principales ligas como: La Liga, la Serie A, la Bundesliga, la Premier League también las competiciones de equipos como la Champions League, la Europa League y la próxima Qatar 2022. También puede ser una buena herramienta para el juego NFT Sorare para seleccionar su plantilla para maximizar los resultados de su equipo.

Este estudio original ha sido elaborado por Ryuji Sasaki, un brillante estudiante de la Universidad de Tokai en Japón y analista de vídeos de fútbol centrado en Expected Goal Research y gran aficionado al Houston Dynamo, LFC, Celtic y Manchester City. Puedes contactar directamente con él en @ExpectedGoal1

Ver el mejor futbol en DAZN

Síguenos en nuestro canal de YOUTUBE

Publicaciones Similares

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *