球员压力图 - 一种评估不同比赛背景下球员表现的足球压力新表达方式
内容提要
该文综述足球数据分析研究，涵盖球员表现评估、传球网络、防守量化、可解释模型、板球贡献度、轨迹预测、身体定向、受伤预测及QPass传球价值，旨在以数据驱动方法量化球员贡献与战术风格。
延伸解读
从动作到价值：量化球员贡献的新思路
文章介绍了一种描述足球个人动作的新语言，并构建了考虑动作对比赛结果影响及其上下文的框架。通过聚合球员的动作价值，可以量化他们对球队攻防的贡献，并在欧洲顶级比赛中进行侦察和风格表征。这为传统数据统计提供了补充，使评估更贴近实际比赛影响。
PlayeRank：数据驱动的多维球员评估
PlayeRank是一个基于数据驱动的框架，提供多维度、角色感知的球员表现评估。与其它算法和专业球探的评估相比，PlayeRank在表现评估方面显著优于竞争对手。该框架灵活高效，可用于设计可扩展的足球分析平台，帮助球队更科学地决策。
网络理论与防守量化：战术分析新工具
文章展示了运用网络理论分析球队策略的方法，通过传球网络和中心性指标确定球员重要性。同时，提出了一种从整体和攻守两方面评估团队防守的方法，使用45场比赛数据检验，其分类器能更好预测真实事件，并与赛季长期结果有适度相关。这些工具为战术分析提供了新视角。
可解释性与跨领域应用：模型信任与迁移
文章强调了可解释的广义加性模型在足球表现评估中的重要性，认为指标的可理解性有时比模型准确性更重要。此外，还介绍了板球中的CAMP度量、轨迹预测、身体定向和受伤预测等研究，以及QPass方法揭示的失去控球权可能增加获胜机会的反直觉范例，展示了数据驱动方法在多个领域的应用潜力。
Q&A
足球数据分析中如何量化球员对球队攻防两端的贡献？
通过聚合足球运动员的动作价值，可以量化他们对球队的进攻和防守贡献，并考虑动作对比赛结果的影响及其上下文。
PlayeRank是什么？它如何评估足球运动员的表现？
PlayeRank是一个基于数据驱动的框架，可提供多维度、角色感知的足球运动员表现评估，在表现评估方面显著优于竞争对手。
如何用网络理论分析足球队的传球策略？
使用2010年世界杯传球数据，构建以球员为节点、传球为箭头的加权有向网络，通过中心性指标确定球员相对重要性、流行程度及去除球员时的影响。
有哪些方法可以评估足球团队的防守表现？
一种方法从整体绩效与攻守两方面评估团队防守，通过预测球员行为和所有球员及球位置数据来预测球恢复和被进攻行为，使用45场足球比赛数据检验，其分类器能更好预测真实事件（平均F1分数>0.483），并与赛季长期结果有适度相关性（r=0.397）。
可解释的广义加性模型在足球球员表现评估中有什么作用？
可解释的广义加性模型旨在帮助科学家和从业者之间的理解和沟通，在足球球员表现评估中，阐释生产出的指标的可理解性通常比模型的准确性更重要。
QPass方法如何分析足球运动员的传球价值？
使用QPass方法对整个赛季的数据分析后，确定每个足球运动员通过其传球带来的内在价值，提出了不同游戏风格的传球轨迹，并揭示了一个反直觉的范例：失去控球权可能会导致获胜的机会更大。
