ANALYSE SPORTIVE · PROJET 07
Projet 06 · Analyse sportive
Modèle de Machine Learning · Buts attendus (xG)
Modèle de régression logistique estimant la probabilité qu’un tir devienne un but à partir de données publiques StatsBomb, avec validation par match et application à des sélections de la Coupe du monde Qatar 2022.
CONTEXTE ET OBJECTIF
Construire un modèle xG interprétable qui attribue une probabilité de but à chaque tir tout en évitant les fuites entre matchs et en réservant un jeu externe d’application.
DONNÉES ET DIAGNOSTIC
- Un total de 63 740 tirs provenant de 2 526 matchs est réuni, hors séances de tirs au but.
- La distance et l’angle par rapport au but sont calculés, tandis que la partie du corps, le type et la technique de tir, la pression et le poste du joueur sont encodés.
- Les ensembles d’entraînement et de test sont séparés par match avec GroupShuffleSplit ; le modèle final utilise 12 variables et est appliqué extérieurement à l’Argentine, la France, le Maroc et la Croatie au Qatar 2022.
LIVRABLE ET ENSEIGNEMENTS
Sur le jeu de test, le modèle atteint un ROC AUC de 0,795 et un score de Brier de 0,079 ; il estime 1 674 buts attendus contre 1 688 buts observés. Sur l’ensemble d’application externe, il estime 58,2 xG contre 57 buts réels.