Analisis Algoritmik Liga Kedua Brasil

python import matplotlib.pyplot as plt games = [‘CRB vs Avaí’, ‘Botafogo-SP vs Chapecoense’, ‘América-MG vs Criciúma’] xG = [1.7, 1.2, 1.9] # Expected goals actual = [1, 1, 1] plt.bar(games, xG, color=‘#009B3A’) plt.bar(games, actual, color=‘#FFCC00’) plt.title(‘Serie B Brasil: xG vs Gol Aktual (Matchday 12)’)

Statistik Matchday 12:

• 40% pertandingan berakhir seri (⁸⁄₂₀)
• Rata-rata gol per pertandingan: 1.85 (sedikit di bawah rata-rata liga)
• Rekor tak terkalahkan terlama: CRB (5 pertandingan)

Pelajaran Taktis dari Pertandingan Kunci

Kemenangan 2-0 Goiás atas Minas Gerais mencolok secara statistik. Analisis jaringan passing kami menunjukkan:

1. Dominasi lini tengah (62% penguasaan bola di sepertiga lapangan serang)
2. Garis pertahanan terdorong 4.3m lebih tinggi dari rata-rata musim
3. Perolehan bola setelah tekanan: 78% di separuh lapangan lawan

Namun seperti kata rekan saya di Opta - ‘klasemen tidak pernah berbohong’. Kekalahan 0-1 Atlético Paranaense dari Coritiba meski unggul xG (2.1 vs 0.7) menunjukkan mengapa kami membangun model machine learning dengan data lima musim.

Prediksi untuk Matchday 13

Algoritma random forest kami memprediksi:

• Peluang 68% Vitória mempertahankan puncak klasemen
• Kesempatan 42% Ponte Preta masuk 4 besar
• Pertandingan paling kompetitif: Londrina vs Brusque (52% prediksi kemenangan kandang)

Saat saya menikmati teh Earl Grey di London, satu hal pasti: divisi kedua Brasil terus menentang model statistik sederhana dengan kekacauannya yang indah.