日が短くなり、子供たちは学校に戻り、NFL チームはプレシーズン ゲームを開始しました。 つまり、サッカーの予測モデルを導入する時が来たということです。
多くのウェブサイト、雑誌、「NFL の専門家」が、来るべき NFL シーズンの予測を発表します。 一部の予測では実際に過去のデータと統計が考慮されますが、多くは考慮されません。 過去のデータがあればそれを使うべきなので、それが私の計画です。 モデルの作成方法と使用したデータに入る前に、結果を見てみましょう。
AFC の予測については、それほど衝撃的なものはありません。 年間の勝利数の合計で最大の変化を遂げたチームはレイダースで、昨年の 12 勝から今年は 8 勝になりました。 他のすべてのチームは、昨年の合計から 1 ～ 2 勝以内です。
NFC の場合、結果はもう少し驚くべきもので、カウボーイズとジャイアンツは 2017 年にそれぞれ 4 試合と 5 試合負けました。 少し驚いたもう 1 つのことは、パッカーズが 3 位でフィニッシュすると予測されていることです。 NFC北で。 このモデルには、ブラウンズが 12 試合勝ったとか、ペイトリオッツが 3 試合勝ったといったような大げさな予測がなかったことがわかり、うれしかったです。 全体として、モデルはフットボールの観点から非常に合理的に見えました。 それでは、このモデルをどのように構築したかを説明しましょう。
モデルの構築
私の最初の目標は、一連の履歴データを取得することでした。 私は最初に過去の給与データを追跡しました ( http://www.spotrac.com/nfl/cap/ ）。 私は、NFL チームを勝利に導く給与計算の魔法のような組み合わせがあるかどうかを知りたかったのです。 サラリーキャップが 1 億 2,000 万ドルから 1 億 6,700 万ドルに引き上げられたため、各ポジションとポジショングループに使用されるサラリーキャップの一部を使用しました。
2010 年までさかのぼって過去の年俸データを見ると、チームの勝利と選手の年俸の間にはほとんど相関関係がないことがわかりました。 NFL は、フィールドでのパフォーマンスとは必ずしも相関しない悪い契約でいっぱいなので、これはそれほど驚くべきことではありませんでした。 たとえば、2017 シーズンの NFL で最も高額な 3 人のプレーヤーは、ジョー フラッコ、カーソン パーマー、カーク カズンズです。 これらの 3 つの QB はすべて平均を上回っている可能性がありますが、MVP の議論に参加していないか、カントンでプレースホルダーを持っている人はいません。
そこで、各ポジション、ポジショングループの給与と給与の変化に基づいて、ある年から次の年までの勝敗差を予測しようとする方が良いと思いました。 また、昨年の勝利数、ゲームあたりのポイント、ゲームあたりのヤード、ゲームあたりの許容ヤードなど、他のいくつかの要因にも注目しました。 合計 98 個の因子があったため、完全なモデルを実行する前にいくつかの変数を選択する必要がありました。 ブートストラップ フォレストを使用して、変数の選択を実行しました。 勝率の差に寄与する上位 12 の要因を以下に示します。 JMP .
上位の予測因子は、昨年のチームの勝利数とチームの昨年のポイント差です。 これらの要因は明白に見えるかもしれませんが、重要なその他の要因はそれほど明白ではありません。 気になったのはC払い、FS払い、RB払いです。 通常、センター、フリーセーフティ、ランニングバックは重要なポジションとは見なされません。 これらのポジションに高額を支払うことは、チームのパフォーマンスに悪影響を与える可能性があります.
これらの各要因の影響を判断するために、モデルを作成しました。 上位 11 の要因が変数の重要度で並べ替えられ、下のプロファイラーに表示されます。 昨年の PTS/G は、ポイント差と許可されたポイントと完全に混同されているため、削除しました。
予想外に際立っていたことがいくつかあります。
- ボールの攻撃側により多くのお金を費やすことは、改善につながります。
- 昨年、多くのポイントを獲得したチームは、少ないポイントを獲得したチームよりも改善されました。
- あなたの自由な安全を支払うための明確な最適範囲があります。
それほど驚くことではないが、最も重要な要素は昨年の勝利数だ。 ある時点で、悪いチームが改善し、良いチームが悪化することは理にかなっています。 ブラウンズファンに朗報！ ニューイングランドの悪の王朝にとっては朗報ではない。
勝利を予測する最終モデルとして、アンサンブル モデルを作成しました。 まず、JMP で検証列を作成して、すべてのモデルを比較できるようにしました。 検証列を使用して、ブートストラップ フォレスト、ブースト ツリー、ニューラル ネットワーク、および一般化回帰モデルからの予測式を保存しました。 次に、それらのモデル予測式をニューラル ネットワークの因子として取りました。以下は、構築されたすべてのモデルの比較です。
すごくかっこいい！ R を使用して、アンサンブル モデルからどの程度の改善が得られるかを見てください。 2 0.86以上。 それでは、実際のプロットと予測されたプロットを見てみましょう。
悪くない。 このモデルの最悪のミスは、2014年のグリーンベイです。 モデルは約 1 の勝率差を予測し、パッカーズは実際にさらに 4 勝しました。
要約すると、過去の給与とフィールドでのパフォーマンス データを使用して、今年の各チームの勝率を予測しました。 最高のパフォーマンスを発揮したモデルは、アンサンブル ニューラル ネットワーク モデルでした。 それでは、サッカーをして、モデルがどのようになるか見てみましょう!
私は正確なモデルを作ろうとしていました。 新シーズンの新ブラウンズがQBを先発。 彼らはすでに AFC で最も改善されたチームの 1 つです。
ブラウンズの勝利を予測するモデルを確認する必要があります!彼らは今年、怪我をしなければ、別の新人クォーターバックと一緒に行くようです.
