날이 점점 짧아지고 아이들은 학교로 돌아가고 NFL 팀은 프리시즌 게임을 시작했습니다. 그것은 일부 축구 예측 모델을 위한 시간이라는 것을 의미합니다.
수많은 웹사이트, 잡지 및 "NFL 전문가"가 다가오는 NFL 시즌에 대한 예측을 내놓을 것입니다. 일부 예측은 실제로 과거 데이터와 통계를 고려하지만 대부분은 그렇지 않습니다. 과거 데이터가 있으면 이를 사용해야 하므로 이것이 제 계획입니다. 모델을 구축한 방법과 사용한 데이터에 대해 알아보기 전에 결과를 살펴보겠습니다.
AFC 예측의 경우 너무 충격적인 것은 없습니다. 해마다 승수 변동이 가장 큰 팀은 레이더스로 지난해 12승에서 올해 8승으로 늘었다. 다른 모든 팀은 작년 총합에서 1~2승 이내입니다.
NFC의 경우 2017년 카우보이스와 자이언츠가 각각 4게임과 5게임을 더 져서 결과가 조금 더 놀랍습니다. 내가 조금 놀랐던 또 다른 사실은 Packers가 3위를 차지할 것으로 예상된다는 것입니다. NFC 북부에서. 나는 그 모델이 Browns가 12승을 거두거나 Patriots가 3승을 거두는 것과 같은 거친 예측이 없다는 것을 알게 되어 기뻤습니다. 대체로 이 모델은 축구의 관점에서 매우 합리적으로 보였습니다. 이제 이 모델을 어떻게 구축했는지 살펴보겠습니다.
모델 구축
내 첫 번째 목표는 많은 과거 데이터를 얻는 것이 었습니다. 먼저 과거 급여 데이터를 추적했습니다( http://www.spotrac.com/nfl/cap/ ). NFL 팀을 승리로 이끄는 마법 같은 급여 조합이 있는지 확인하고 싶었습니다. 샐러리캡이 1억 2,000만 달러에서 1억 6,700만 달러로 늘었기 때문에 각 포지션과 포지션 그룹에 사용된 샐러리캡의 일부를 사용했습니다.
2010년까지의 과거 급여 데이터를 살펴보면 팀의 우승과 선수 급여 사이에 상관관계가 거의 없다는 것을 알았습니다. NFL이 잘못된 계약으로 가득 차 있기 때문에 이것은 그리 놀라운 일이 아닙니다. 예를 들어, 2017 시즌 NFL에서 가장 높은 급여를 받는 선수 3명은 Joe Flacco, Carson Palmer, Kirk Cousins입니다. 이 세 QB가 모두 평균 이상일 수 있지만 이들 중 누구도 MVP 토론에 참여하지 않거나 Canton에서 자리 표시자가 없습니다.
그래서 저는 각 포지션, 포지션 그룹의 급여와 급여 변화를 기반으로 해마다 승률 차이를 예측하는 것이 더 나은 접근 방식이라고 생각했습니다. 또한 작년 승리, 경기당 점수, 경기당 야드, 경기당 허용 야드와 같은 다른 요소도 살펴보았습니다. 총 98개의 요인이 있었으므로 전체 모델을 실행하기 전에 몇 가지 변수 선택을 수행해야 했습니다. 변수 선택을 수행하기 위해 부트스트랩 포리스트를 사용했습니다. 승리 차이에 기여하는 상위 12개 요소는 아래에 나와 있습니다. JMP .
상위 예측 변수는 팀이 작년에 획득한 승리와 팀이 작년에 획득한 포인트 차이입니다. 이러한 요소가 명백해 보일 수 있지만 중요한 다른 요소는 덜 명확합니다. 흥미로운 요소는 C 급여, FS 급여 및 RB 급여였습니다. 일반적으로 중앙, 자유 안전 및 러닝백은 중요한 위치로 간주되지 않습니다. 이러한 직책에 높은 급여를 지불하면 팀의 성과에 해로운 영향을 미칠 수 있습니다.
이러한 각 요소가 갖는 영향을 확인하기 위해 모델을 만들었습니다. 상위 11개 요소는 변수 중요도별로 정렬되어 아래 프로파일러에 표시됩니다. 작년의 PTS/G는 점수 차이와 허용 점수와 완전히 혼동되기 때문에 제거했습니다.
예상치 못한 몇 가지 사항이 눈에 띄었습니다.
- 공의 공격적인 측면에 더 많은 돈을 쓰는 것은 개선으로 이어집니다.
- 작년에 많은 점수를 허용한 팀이 적은 점수를 허용한 팀보다 더 많이 향상되었습니다.
- 당신의 자유로운 안전을 위해 뚜렷한 최적의 범위가 있습니다.
덜 놀라운 것은 가장 중요한 요소가 작년의 승률이라는 것입니다. 나쁜 팀은 좋아지고 좋은 팀은 어느 시점에서 더 나빠지는 것은 당연합니다. 브라운즈 팬들에게 희소식! 뉴잉글랜드의 사악한 왕조에게는 좋은 소식이 아닙니다.
승리를 예측하는 최종 모델을 위해 앙상블 모델을 만들었습니다. 먼저 모든 모델을 비교할 수 있도록 JMP에서 유효성 검사 열을 만들었습니다. 유효성 검사 열을 사용하여 부트스트랩 포레스트, 부스트 트리, 신경망 및 일반화 회귀 모델에서 예측 공식을 저장했습니다. 그런 다음 모델 예측 공식을 신경망의 요소로 사용했습니다.아래는 제작된 모든 모델의 비교입니다.
정말 멋진! R을 사용하여 앙상블 모델에서 얼마나 개선되었는지 살펴보십시오. 2 0.86 이상. 이제 실제 플롯과 예상 플롯을 살펴보겠습니다.
나쁘지 않아. 이 모델의 최악의 실패는 2014 Green Bay였습니다. 이 모델은 약 1의 승률 차이를 예측했으며 Packers는 실제로 4게임을 더 이겼습니다.
요약하면 올해 각 팀의 승률 차이를 예측하기 위해 과거 연봉과 현장 성적 데이터를 사용했습니다. 가장 성능이 좋은 모델은 앙상블 신경망 모델이었습니다. 이제 축구를 하고 모델이 어떻게 나오는지 봅시다!
정확한 모델을 만들기 위해 노력했습니다. QB를 시작하는 새로운 시즌의 새로운 Browns. 그들은 이미 AFC에서 가장 발전된 팀 중 하나입니다.
Browns의 더 많은 승리를 예측하는 모델을 확인해야 합니다!그들은 부상을 제외하고 올해 또 다른 신인 쿼터백과 함께 갈 것 같습니다.
