Как модель предсказала победу?

Суд — это поле

Я вырос на баскетбольных площадках Чикаго, а не на футбольных полях Европы. Но когда отец-инженер-афроам передал мне первый скрипт на Python, я понял: футбол — это статистика в кожаной форме.

Миф «Экспертного совета»

«Эксперты» рекомендуют «главную победу» по ощущениям и шуму болельщиков. Они называют это «интуицией». В то же время моя модель использовала данные xG от Opta — очищенные с помощью R — и обнаружила, что Лос-Анджелес против Фримго имели 37% вероятность победы при нулевых голах.

Тихая модель, которая выиграла

Это не про страсть. Это про точность. Я запустил иерархическую байесовскую сеть: приор по владению = 0,62; постериор по качеству удара = 0,81. Толпа называла это «слишком рискованным». Я называл это «необходимым». Когда вы видите команду с нулевыми голами побеждающей — вы не видите данные — вы видите свой предубеждение.

Почему модель угадала?

Вы думали, что Фримго проиграло, потому что они «тактически слабы». Но их ожидаемый выход был выше среднего — их оборона рухнула под давлением, а не из-за таланта. Моя модель увидела это до свистка.

Демократия данных ≠ Монополия экспертов

Открытые данные побеждают закрытые алгоритмы всегда. Если вы всё ещё ставите на интуицию… вы не анализируете — вы гадаете. Подпишитесь, если хотите знать, почему ваша модель угадала победу.