ANÁLISE DESPORTIVA · PROJETO 07
Projeto 06 · Análise de futebol
Modelo Machine Learning · Golos Esperados (xG)
Modelo de regressão logística para estimar a probabilidade de golo de cada remate com dados públicos da StatsBomb, validado por jogo e aplicado a seleções do Mundial Qatar 2022.
CONTEXTO E OBJETIVO
Construir um modelo xG interpretável que atribua a cada remate uma probabilidade de golo, evitando fugas entre jogos e reservando um conjunto externo de aplicação.
DADOS E DIAGNÓSTICO
- São reunidos 63.740 remates de 2.526 jogos, excluindo desempates por penáltis.
- São derivadas a distância e o ângulo à baliza, e são codificados a parte do corpo, o tipo e a técnica do remate, a pressão e a posição do jogador.
- Treino e teste são separados por jogo com GroupShuffleSplit; o modelo final utiliza 12 variáveis e é aplicado externamente a Argentina, França, Marrocos e Croácia no Qatar 2022.
ENTREGA E APRENDIZAGEM
No teste, o modelo alcança AUC ROC de 0,795 e Brier de 0,079; estima 1.674 golos esperados face a 1.688 observados. Na aplicação externa estima 58,2 xG face a 57 golos reais.