호날두와 가르디올라의 하프타임 전략

게임을 이긴 하프타임 알고리즘

그 밤은 팬이 아니라 17시즌 동안 같은 모델을 코딩한 데이터 과학자였습니다. 로드리와 가르디올라가 하프타임에 “비어 있는 플레이어 찾기”를 논 때, 저는 잡담이 아니라 엔트로피 최소화를 들었습니다.

그들은 다음 움직임을 추측하지 않았습니다. 그들은 생생 시뮬레이션을 실행했습니다: 인터의 미드필드 축에 대한 겐트프레스 벡터를 GPS 센서 데이터 기반으로 47초마다 경로를 재계산했습니다. 이건 직관이 아니라 압박 속에서 베이지안 의사결정이었습니다.

새로운 볼은 빈 공간이다

대부분 분석가는 이를 놓칩니다: 공간은 수동적이지 않습니다. 그것은 상대 조정에 의해 형성된 역동적 지형입니다. 그 10분 동안 가르디올라는 “윙으로 패스”라고 말하지 않았습니다. 그는 영역을 매핑했습니다—각 비어 있는 공간은 전환 모델의 XGBoost 노드였습니다. 우리는 세 가지 변형을 실행했습니다: 딥 해프스페이스, 역삼각형 운동, 침묵의 과부하.

저는 이전에 XGBoost가 저볼륨 시나리오에서 신경망보다 우수함을 봤지만, 이렇게 정교한 교정은 본 적 없습니다. 차이는? 신경망은 패턴을 추측하고, 우리는 최적화합니다.

명예 뒈의 조용 수학

이건 전술이 아닙니다. 잠재 변수가 보이는 순간입니다. 47% 점유율(58%가 아님)에서 그들은 더 많은 패스로 이긴 것이 아닙니다—그들은 혼잡한 영역으로 패스하지 않음으로 이겼습니다. 모든 비어 있는 육각형은 기대 가치 노드가 되었습니다. 그리고 인터가 왼쪽으로 움직일 때? 우리는 실시간으로 공간 확률 맵을 재조정했습니다—그들이 조정된 것을 알기도 전에요.

저는 여전히 새벽에 이 코드를 실행합니다.

당신은 축구를 보지 않습니다—당신은 그 코드를 읽고 있습니다.