概述
诸如预期进球等指标在模型下估算概率；它们不是确定性的结果。
深入探讨
预期进球根据历史案例和选定特征估算射门转化概率。模型的输入各不相同；StatsBomb记录了包括射门位置和其他情境数据在内的因素。光学追踪系统如Hawk-Eye捕捉球员和球的移动，而可穿戴系统收集独立的运动员负荷信号。NBA描述了一个基于追踪的防守压力评分。另一项研究提出网络模型，将球员技能与比赛成功关联，以预测阵容表现；还有研究在防守压力下分析射门轨迹；这些都是研究范围的方法，并非通用的产品声明。
现实世界的实施
xG模型根据机会的特征估算射门得分概率。
NBA的Hawk-Eye合作伙伴关系描述了用于球员和球移动的光学追踪技术。
运动员监测系统可能分析可穿戴测量，如工作负荷指标；测量范围取决于设备和协议。
一种网络式研究模型可以使用基于追踪的球员技能来估算未测试阵容的表现。
人工智能在体育分析中的未来
在特定问题中使用体育指标作为证据，并记录其模型输入和抽样方式。避免仅凭单一代理指标推断运动员健康或表现。应从最新技术文档确认供应商特定的追踪和可穿戴能力。
付诸实践
为什么这很重要
- 背景与规则. 行业背景决定了人工智能创意能否与现实接触。
- 质量控制. 领域约束会影响可接受的错误率和监督模型。
- 构建选择. 成功的部署使技术能力与一线工作流程保持一致。
留意
- 监管要求可能会使原本强大的原型失效。
- 历史数据可能会编码损害特定社区的偏见。
- 遗留系统可能会造成集成瓶颈和隐性成本。
后续步骤
- 让领域专家参与从问题框架到评估的整个过程。
- 在启动前设计审计跟踪和文档。
- 尽早验证合规性和安全义务。
- 分阶段推出，并具有明确的停止和回滚标准。
不断探索
常见问题
什么是AI体育分析？
体育分析结合事件数据、球员追踪和运动员监测测量，以评估表现。诸如预期进球等指标在模型下估算概率；它们不是确定性的结果。
足球中的“预期进球”(xG) 指标是如何估算的？
xG 根据距离、角度和防守压力等特征为每次投篮分配得分概率，让分析师判断机会的质量而不仅仅是结果。
NBA在其Hawk-Eye合作伙伴关系中宣布的官方光学追踪技术合作公司是哪家？
NBA的新闻稿中将索尼的Hawk-Eye Innovations列为光学追踪合作伙伴；此问题询问的是公布的供应商，而非其位置数据的属性。
Catapult在其运动员监测系统中描述了哪些传感器输入？
Catapult的产品说明列出了GPS/LPS、心率功能和惯性数据分析；具体指标取决于设备和设置。
NBA的防守压力评分使用光学追踪数据估算什么？
NBA将其防守压力评分描述为基于追踪的防守压力度量；它是一个特定指标，而非对球员整体质量的通用衡量。
Skinner和Guy提出了什么建模思路，用于从追踪数据学习篮球球员技能？
该论文提出一种网络式模型，将球员技能与球队执行战术的成功关联，然后用于预测未测试的五人阵容表现；报告的实现仅限于其研究范围。