Los días son cada vez más cortos, los niños regresan a la escuela y los equipos de la NFL han comenzado a jugar partidos de pretemporada. Eso significa que es hora de algunos modelos predictivos de fútbol.
Una plétora de sitios web, revistas y "expertos de la NFL" presentarán predicciones para la próxima temporada de la NFL. Si bien algunas de las predicciones realmente tendrán en cuenta datos históricos y estadísticas, muchas no lo hacen. Si tenemos datos históricos, deberíamos usarlos, ese es mi plan. Antes de entrar en cómo construí el modelo y qué datos usé, veamos los resultados.
Para las proyecciones de la AFC, no hay nada demasiado impactante. El equipo con el mayor cambio en el total de victorias de un año a otro son los Raiders, pasando de 12 victorias el año pasado a 8 este año. Todos los demás equipos están a una o dos victorias del total del año pasado.
Para la NFC, los resultados son un poco más sorprendentes, con los Cowboys y los Giants perdiendo cuatro y cinco juegos más en 2017, respectivamente. Otra cosa que encontré un poco sorprendente fue que se proyecta que los Packers terminen terceros en la NFC Norte. Me alegró ver que ese modelo no tenía proyecciones descabelladas, como que los Browns ganaran 12 juegos o los Patriots ganaran tres juegos. Con todo, el modelo parecía muy razonable desde una perspectiva futbolística. Ahora veamos cómo construí este modelo.
Construyendo un modelo
Mi primer objetivo era obtener un montón de datos históricos. Primero rastreé los datos históricos de nómina ( http://www.spotrac.com/nfl/cap/ ). Quería ver si había alguna combinación mágica de nómina que llevara a los equipos de la NFL a ganar. Como el tope salarial aumentó de $120 millones a $167 millones, utilicé la fracción del tope salarial utilizada para cada puesto y grupo de puestos.
Mirando los datos históricos de salarios desde 2010, descubrí que había muy poca correlación entre las victorias de los equipos y el pago de los jugadores. Esto no fue demasiado sorprendente ya que la NFL está llena de malos contratos, que no necesariamente se correlacionan con el desempeño en el campo. Por ejemplo, los tres jugadores mejor pagados de la NFL para la temporada 2017 son Joe Flacco, Carson Palmer y Kirk Cousins. Si bien estos tres QB pueden estar por encima del promedio, ninguno de estos muchachos está en la discusión de MVP o tiene un lugar reservado en Canton.
Así que pensé que un mejor enfoque sería tratar de predecir la diferencia de ganancias de un año a otro en función del salario y el cambio de salario de cada puesto, grupo de puestos. También observé otros factores como las victorias del año pasado, los puntos por juego, las yardas por juego y las yardas permitidas por juego. Tenía un total de 98 factores, por lo que necesitaba hacer una selección de variables antes de ejecutar un modelo completo. Usé un bosque de arranque para realizar mi selección de variables. Los 12 principales factores que contribuyen al diferencial de ganancias se muestran a continuación en JMP .
Los principales predictores son las victorias que tuvo un equipo el año pasado y la diferencia de puntos que tuvo un equipo el año pasado. Si bien esos factores pueden parecer obvios, otros factores que son importantes son menos obvios. Los factores que encontré intrigantes fueron el pago C, el pago FS y el pago RB. Por lo general, el centro, la seguridad libre y el corredor no se consideran posiciones críticas. Puede ser que pagar mucho por estos puestos tenga un efecto perjudicial en el desempeño del equipo.
Para determinar el impacto que estaba teniendo cada uno de estos factores, creé un modelo. Los 11 factores principales están ordenados por importancia variable y se muestran en el Perfilador a continuación. Eliminé el PTS/G del año pasado ya que se confunde completamente con el diferencial de puntos y los puntos permitidos.
Algunas cosas se destacaron como inesperadas:
- Gastar más dinero en el lado ofensivo del balón conduce a una mejora.
- Los equipos que permitieron muchos puntos el año pasado mejoran más que los equipos que permitieron menos puntos.
- Hay un rango óptimo distinto para pagar su seguridad gratuita.
Menos sorprendente fue que el factor más importante es el total de victorias del año pasado. Tiene sentido que los malos equipos mejoren y los buenos equipos empeoren en algún momento. ¡Buenas noticias para los fanáticos de los Browns! No son buenas noticias para la malvada dinastía de Nueva Inglaterra.
Para mi modelo final para predecir victorias, hice un modelo de conjunto. Primero, creé una columna de validación en JMP, para que todos los modelos fueran comparables. Guardé las fórmulas de predicción del bosque de arranque, el árbol impulsado, la red neuronal y los modelos de regresión generalizada utilizando la columna de validación. Luego tomé esas fórmulas de predicción del modelo como factores en una red neuronal.A continuación se muestra una comparación de todos los modelos construidos.
¡Realmente genial! Mira cuánta mejora obtengo del modelo de conjunto, con una R 2 de más de 0,86. Ahora echemos un vistazo a la trama real frente a la predicha.
No está mal. El peor fallo de este modelo ha sido el Green Bay 2014. El modelo predijo un diferencial de victorias de aproximadamente uno, y los Packers en realidad ganaron cuatro juegos más.
En resumen, utilicé datos históricos de salario y rendimiento en el campo para predecir el diferencial de victorias de cada equipo este año. El modelo de mejor rendimiento fue un modelo de red neuronal de conjunto. ¡Ahora juguemos un poco de fútbol y veamos cómo resulta el modelo!
Estaba tratando de hacer un modelo exacto. Nueva temporada nuevos Browns comenzando QB. Ya son uno de los equipos que más ha mejorado en la AFC.
¡Necesito ver el modelo que predice más victorias para los Browns!Parece que irán con otro mariscal de campo novato este año, salvo lesiones.
