预期进球模型中的偏见影响进攻能力
原文中文,约400字,阅读约需1分钟。发表于: 。该研究旨在解决使用 xG 统计评估足球射门能力时的局限性和细微差别问题。研究发现,持续高精准度的累计 xG 需要大量射门和出色的射门技巧,包括所有射门类型会模糊优秀前锋的射门能力,而实际与预期进球之间存在持续偏差,使得出色射手的进球数与预期更接近。因此,我们需要更加细致的定量方法来研究球员的射门能力,通过使用 AI 公平技术学习一个为多个子群体校准的 xG...
该研究旨在解决使用xG统计评估足球射门能力时的局限性和细微差别问题。研究发现,持续高精准度的累计xG需要大量射门和出色的射门技巧,而实际与预期进球之间存在持续偏差。通过使用AI公平技术学习一个为多个子群体校准的xG模型,研究展示了梅西的射门能力被低估了17%,而他的射门能力比典型的高射门量的顶级前锋高出27%。