Шпаргалки. Httpstheanalyst comna202109expectedpasscompletionexplained
 Скачать 0.53 Mb.
|
|
https://theanalyst.com/na/2021/09/expected-pass-completion-explained/ Умение пасовать - одна из наиболее важных характеристик для количественной оценки с точки зрения анализа выступления и перспективы трансферов, однако наиболее часто используемый показатель, процент успешных пасов, сильно зависит от роли игрока, а не от его способностей. Например, ЦЗ, делающий в основном короткие передачи вбок, обычно будет иметь более высокий процент выполнения передач, чем вингер, пытающийся выполнить навес в штрафную соперника, - но достаточно ли этого, чтобы утверждать, что ЦЗ является лучшим распасовщиком? Система ожидаемого совершенного паса («xP») компании “Stats Perform” решает эту проблему, рассматривая информацию о сделанной попытке паса для определения вероятности его выполнения. В этой статье мы демонстрируем, как отдельные значения «xP» отражают риск передачи и как агрегированные значения «xP» по игре или сезону показывают выбор сложности передачи игроком или командой. Мы также вводим производную метрику «Пасы, выполненные выше ожидаемых»(PAx), которая оценивает умение игрока делать пасы - насколько хорошо игрок выполняет пасы, которые он пытается выполнить, с учетом их сложности. xP Точно так же, как ожидаемое количество голов («xG») предсказывает вероятность гола, наша система «xP» моделирует вероятность того, что пас будет завершен, используя информацию о пасе и текущем владении мячом. Во-первых, берем основную геометрическую инфу о пасе: x-координата точки начала паса зеркальная y-координата точки начала передачи (например, так, что передача, сыгранная с левого края штрафной площади, и передача, сыгранная с правого края штрафной площади, будут иметь значение 20,1) угол паса в зависимости от конечного положения приблизительное расстояние паса в зависимости от конечного местоположения Во-вторых, мы берем контекстную информацию о пасе, в том числе: пас был отдан ногой или головой? это был кросс? пас был отдан в открытой игре или со стандартного положения? это был наземный или воздушный пас? Наконец, мы используем контекстную информацию о событиях, ведущих к пасу, например: сколько пассов было во время владения мячом? как далеко до этого игрок протащил мяч? как быстро мяч продвигался вверх по полю в предыдущих трех действиях? предыдущее действие было совершено товарищем по команде или соперником? каким событием было предыдущее действие (например, передача, стандартное положение , защитное действие, обводка, игра головой)? каковы были расстояние и угол предыдущего паса(если предыдущее действие было паса)? Используя эти функции, мы обучаем модель предсказывать вероятность того, что пас будет завершен или нет, на основе его наблюдаемого результата (где 0 = незавершенный, 1 = завершенный). Таким образом, 0,2 xP представляет собой пас с высоким риском (т. е. прогнозируется, что он будет совершен только в 1 случае из 5), а 0,8 xP представляет передачу с относительно низким уровнем риска (т.е. прогнозируется, что она будет завершена 4 раза из 5). Мы можем визуализировать значения «xP» для каждой отдельной передачи в приведенном ниже примере последовательности из матча «Ливерпуль» - «Манчестер Юнайтед» в прошлом сезоне. Свободный удар, выполненный Тиаго, знаменует собой начало владения мячом относительно легкими передачами (все выше 0,85 xP), благодаря которым мяч перемещается вверх по полю к правому флангу, затем переходит на противоположный фланг тремя быстрыми передачами и, наконец, владение заканчивается после более сложной передачи Эндрю Робертсона(см. рис 1) Агрегирование XP за сезон Как и в случае с «xG», мы можем быть менее заинтересованы в анализе значений отдельных действий с использованием этого показателя - небольшие размеры выборки зашумлены и не обязательно отражают истинную производительность игрока - и вместо этого мы предпочитаем агрегировать «xP» на разных уровнях: в среднем на игрока за игру, в среднем на команду за сезон и т. д. Если мы возьмем среднее значение «xP» за пас всех игроков за 2000 минут, сыгранных в Премьер-Лиге 20/21, мы увидим, что Рубен Диаш(0,92 xP) выполняет передачи с наименьшим риском, в то время как Ник Поуп (0,45 xP) пытается передать пасы с наибольшим риском. Эти значения могут помочь количественно оценить различные роли, которые выполняют эти игроки; например, Диаш в основном выполняет безопасные передачи в очень высокой задней линии «Манчестер Сити», где потеря владения мячом может быть катастрофой, тогда как Поуп часто выполняет прямые, длинные передачи на чужую половину поля за «Бернли», чтобы его одноклубники могли побороться за верховые мячи(см. рис 2) Успешно завершенные пасы с превышением ожидаемого (PAx)«xP» сообщает нам только среднюю сложность предпринятых передач, но не обязательно, насколько опытен игрок в их выполнении. Вычитая прогнозируемый результат паса («xP») из наблюдаемого результата паса (где 0 = незавершенный, 1 = завершенный), мы можем оценить, насколько лучше или хуже, чем ожидалось, игрок выполняет пасы, которые он пытается выполнить. Мы называем эту меру «PAx» , которую также можно рассматривать как «пасы, успешно завершенные с превышением ожидаемого». Например, выполненная сложная передача (0,2 “xP”) (результат = 1) засчитывается: [Результат - xP = PAx] 1 - 0,2 = 0,8 PAx В то время как легкий пас (0,8 “xP”), который не был завершен (результат = 0), получает отрицательную оценку: 0 - 0,8 = -0,8 PAx Мы можем легко суммировать этот счет для каждой команды или игрока за игру или сезон. Например, если игрок А выполнит 1000 пасов за сезон с общим количеством 750 xP и 800 из них окажутся удачными, то он получит: 800 - 750 = 50 PAx Однако, если другой игрок, Игрок B, сделает 2000 передач с общим количеством 1750 xP и 1800 из них окажутся удачными, он получит тот же общий счет, что и игрок A (1800–1750 = 50 PAx), несмотря на то, что выполнил на 1000 передач больше. Мы можем сделать эту метрику более справедливой, нормализовав ее и вместо этого вычислив PAx за пас . Теперь у игрока А нормализованная оценка PAx: (800-750) / 1000 = 0,050 PAx за пас Пока у игрока B: (1800 - 1750) / 2000 = 0,025 PAx за пас Подобная нормализация обычно дает низкое значение величины, поэтому мы можем лучше выразить метрику на 100 пасов, т.е. Игрок A имеет 5 PAx на 100 пасов - другими словами, он выполняет на 5 пасов на 100 пасов больше, чем ожидалось. Агрегирование PAx за сезон Снова посмотрев на игроков Премьер-Лиги, сыгравших +2000 минут в сезоне 20-21, у Джека Грилиша был один из самых высоких нормализованных показателей «PAx» (7,8 «PAx» на 100 передач), в то время как у Ришарлисона был один из самых низких показателей «PAx» (-2,4 «PAx» на 100 передач). Другими словами, из каждых 100 передач, сделанных Джеком в прошлом сезоне, он сделал почти на восемь больше, чем ожидал бы от среднего игрока, в то время как Ришарлисон сделал почти на два меньше, чем ожидалось(см. рис.3) Мы можем визуализировать эту разницу, сравнивая отдельные представляющие интерес передачи между этими двумя игроками ниже, где только высококвалифицированные передачи выше 0,5 "PAx" (т.е. сложные передачи ниже 0,5 "xP", которые выполнены) показаны синим цветом, а низкоквалифицированные передачи ниже 0,8 "PAx"(т.е. незавершенные легкие пасы выше 0,8" xP ") показаны красным(см рис.4,5). Приложение: Объяснение прогнозов “xP” Рис 1  Рис 2  Рис 3    Рис 6  Рис 7 |