Concetti Chiave
데이터 스카우팅은 많은 선수들 중에서 잠재력 있는 선수를 탐지하는 데 도움을 줄 수 있다. 본 연구에서는 스태킹 기반 딥 신경망 모델을 제안하여 우수한 성능으로 유망 선수를 식별할 수 있음을 보여준다.
Sintesi
이 논문은 축구 선수 스카우팅을 위한 데이터 기반 접근법을 제안한다.
- 데이터셋 설명:
- API-SPORTS에서 수집한 15개의 통계 지표를 사용하였다.
- 선수의 2020/2021 시즌 통계와 2022/2023 시즌 리그 수준을 바탕으로 선수를 0, 0.33, 0.66, 1의 4개 클래스로 레이블링하였다.
- 모델 개발:
- 초기에는 전체 선수를 대상으로 한 단일 신경망 모델을 사용하였으나 성능이 낮았다.
- 이후 포지션별 신경망 모델을 개발하여 성능 향상을 확인하였다.
- 마지막으로 포지션별 모델의 출력을 결합하는 스태킹 기반 모델을 개발하여 가장 우수한 성능을 달성하였다.
- 모델 평가:
- 스태킹 모델은 상위 클래스(0.66, 1.0) 선수들을 잘 식별하는 것으로 나타났다.
- 인간 평가자들과의 비교 실험에서도 모델이 우수한 성능을 보였다.
- 결론 및 향후 계획:
- 제안된 모델은 선수 스카우팅에 유용한 도구가 될 수 있다.
- 향후 더 다양한 데이터와 모델 조합을 활용하여 성능을 개선할 계획이다.
Statistiche
선수의 경기 시간, 골, 도움, 패스, 키 패스, 태클, 블록, 인터셉션, 듀얼 승리, 성공적인 드리블, 파울 획득, 듀얼 비율, 드리블 비율, 파울 범행, 경고, 퇴장 등의 통계 지표를 사용하였다.
선수의 2020/2021 시즌 통계와 2022/2023 시즌 리그 수준을 바탕으로 선수를 0, 0.33, 0.66, 1의 4개 클래스로 레이블링하였다.
Citazioni
"Obviously, as mentioned in the introduction, nothing can replace the experience of a scout, but this kind of tool can make a difference in this highly competitive field."
"Note that the stacking technique seems particularly promising. Indeed, by generalizing these results, we plan to use it to combine more than 2 neural networks or even to combine various types of outputs: already AI-based algorithms, human advices, etc."