브라질 리그의 비밀 결함: 6가지 알고리즘 오류

드로우의 신화

브라질 세리에 A의 모든 경기를 두 해 동안 통계학자처럼 분석하며, 얼 그레야를 마시며 골이 엔트로피로 흐르는 것을 지켜봤습니다. 데이터는 거짓을 말하지만, 서사들은 거짓입니다. 제12주에 19경기 중 6경기가 1-1, 0-0, 2-2로 끝났습니다. 혼란도, 평등도 아닙니다. 단지 압력 기울기를 무시한 과적합 모델일 뿐입니다.

알고리즘의 침묵

우리의 XGBoost 모델은 Opta의 패 네트워크와 FBref의 공간 열지도로 학습했습니다. “높은 점유율 = 승리”라고 배웠지만, 브라질에서는 높은 점유율이 낮은 xG를 초래합니다—수비수가 지역 함정에 진입하기 때문입니다.

LSTM은 종료 시간을 예측하지 못했습니다. 모델은 “모멘텀”이 중요하다고 생각했지만, 드로우를 소음으로 인식합니다.

숨겨진 결함 (6가지)

1. 홈 어드밴티지 과적합: 모델은 홈팀이 이긴다고 가정하지만, 원정 승부는 주중 피로 이후 급증했습니다.
2. 압력 전환 무시: 후반기 압력을 받는 팀은 모델링되지 않고, 초기 슈팅만 가중됩니다.
3. 심리적 관성 과소평가: 점수대로 팀을 평가하는 것은 잘못된 것입니다—53~58분 사이 압력 차이를 모델이 간과했습니다.
4. 세트피스 역동성 오인식: 코너킥이 위험 사건으로 분류되지만, 공간-시간 엔트로피가 선행되지 않았습니다(게임 #50).
5. 골 타이밍과 결과 분포 혼동: 최종 삼분 = 결정적이라고 가정하지만, 브라질은 89분에서 셰익스피어의 독백처럼 끝납니다(게임 #49).
6. 리그 전역 분산 무시: 팀들은 평등하지 않습니다—그들은 적응적으로 불평등하고, 당신의 모델은 정적이 아닌 상태까지 인식하지 못합니다(게임 #73).

이는 스포츠 저널리즘이 아닙니다—발가락 속 포렌식 수학입니다. 드로우는 실패가 아니라 당신 모델의 맹목에 대한 서명입니다. ReFFD 모델 딥 다이브를 구독하세요—or 계속 눈먼 상태에서 베팅하세요.