El fútbol no es mi deporte, pero agregaré algunos de los que he escuchado o leído:
– Los mejores modelos predictivos ni siquiera usan objetivos a favor / en contra (aparte de ajustar las estadísticas por contexto). Disparar y guardar porcentajes regresa a la media a lo largo del tiempo, después de ajustar los anteriores, por lo que el uso de objetivos no te da la predicción de un modelo como los intentos de tiro de calidad.
– La posesión es absolutamente la estadística más predictiva, pero debe ajustarse según el lugar en el que tuvo lugar la posesión del campo, el contexto del juego, la calidad del oponente y otros factores. En cualquier juego es engañoso ya que los equipos que están ganando tienden a sentarse y tener menos balón, sin embargo, en situaciones cercanas / tempranas, la posesión es altamente predictiva del éxito futuro.
- ¿Cómo se comparan las bibliotecas de aprendizaje automático de Python con las de Go?
- ¿Existe una conexión entre la ciencia de datos y el aprendizaje automático?
- ¿Se puede desarrollar un bot de chat usando Tensorflow? En caso afirmativo, ¿cómo empiezo a codificar en el mismo?
- ¿Necesito normalizar mis vectores de características antes de usar Deep Learning?
- ¿Cuál es una explicación intuitiva de la aproximación de la función de codificación de mosaico en el aprendizaje por refuerzo?
– No tengo idea de cómo evaluar la contribución individual de un jugador a un equipo y los datos que están disponibles públicamente de forma gratuita no parecen permitir esto. Pero los mejores modelos absolutos utilizados por los principales sindicatos que apuestan a EPL / Bundesliga / Serie A, etc. tienen los datos necesarios (seguimiento de jugadores) y saben cómo evaluar esto.
