Sport on Łukasz Prokulski, Dane i Analizy

Newsletter Dane i Analizy, 2024-07-01

Mon, 01 Jul 2024 15:00:00 +0000

Razem z początkiem lipca zwykle w mediach rozpoczyna się sezon ogórkowy. Upały dają się we znaki, żar leje się z nieba (pozdrawiamy fanów “Hydrozagadki” oraz Asa!), jedyne o czym chce się myśleć to schłodzone napoje i leżenie w basenie.

Ale mimo tych przeciwności losu przed Wami kolejna porcja wiedzy w postaci ręcznie wybranych najlepszych tekstów o AI i ML plus okolicach związanych z przetwarzaniem danych jakie przewinęły się przez cały tydzień w różnych mediach czy też innych newsletterach.

Ekstraklasa 2017/18 - przewidywania wyników

Fri, 14 Jul 2017 11:14:37 +0000

Ostatni post cyklu związanego z Ekstraklasą to przewidywania wyników w nadchodzącym sezonie. Szykujcie kasę na bukmacherów! Dla przypomnienia cykl postów o Ekstraklasie do tej pory składał się z dwóch części:

w pierwszej przeprowadziliśmy prostą analizę historycznych rozgrywek z sezonów 2008/2009 do 2016/2017
w drugiej części omówiłem ranking Elo i zbudowany został model na nim oparty. Sprawdziliśmy jaką sprawdzalność dał model w zderzeniu z rzeczywistością (było to 47.36%)

Tym razem wytypujemy wyniki na rozpoczynający się za chwilę sezon 2017/18 - korzystając ze zbudowanego modelu. Uwaga, potrzebny jest disclaimer: nie odpowiadam za Twoje pieniądze. Jeśli zechcesz wykorzystać opublikowane niżej dane lub sam model aby obstawiać wyniki w zakładach bukmacherskich to robisz to na własną odpowiedzialność. Dane jakich potrzebujemy do symulacji to lista kolejnych meczy, przy czym ważna jest kolejność spotkań dla każdej z drużyn - na tej podstawie aktualizowany jest ranking Elo (szczegóły znajdziesz w drugiej części cyklu) oraz początkowe wartości Elo dla grających drużyn. Te wartości początkowe, podobnie jak poprzednio, zaczerpnąłem ze strony ClubELO.com. Pochodzą one sprzed ostatnich meczy Legii (z Mariehamn), Jagiellonii (z Gabala) i Lecha (z Haugesund), więc są delikatnie nieaktualne. Tak to wygląda:

Ekstraklasa - ranking Elo i symulacje

Thu, 13 Jul 2017 09:56:15 +0000

Kontynuujemy cykl związany z Ekstraklasą. Przyszła pora na zbudowanie bardzo prostego modelu symulującego rozgrywki. Zgodnie z zapowiedzią:

w pierwszej przeprowadziliśmy prostą analizę historycznych rozgrywek
w niniejszej - drugiej - części spróbujemy znaleźć model, który pozwoli na symulację rozgrywek oraz sprawdzimy jego skuteczność. Będzie dużo teorii.
w ostatniej części przygotowanym modelem wytypujemy wyniki na sezon 2017/18

Do dzieła! Model oprzemy na popularnym rankingu Elo. Tego typu model wykorzystywany jest często przy symulacji rozgrywek podczas futbolowych Mistrzostw Europy lub Świata, a także w ligach innych dziedzin sportowych - chociażby NBA, NFL czy MBL. Polecam przewidywania w serwisie FiveThirtyEight, w szczególności Elo w NBA oraz Elo w NFL. Ranking ELO został wymyślony na potrzeby rozgrywek szachowych - miał umożliwić ocenę własnych postępów w porównaniu z innymi szachistami. Nazwa wbrew pozorom nie pochodzi od Elo, ziom! a od nazwiska Arpada Elo - fizyka węgierskiego pochodzenia, który opracował system oceny umiejętności szachistów na prośbę Federacji Szachowej Stanów Zjednoczonych. Ranking opracowany został w 1960 roku, a jego główną ideą jest nie tyle porównanie graczy po rozgrywce (bo to nie jest trudne), co przed nią razem z przewidywaniem zwycięzcy. Porównanie przed turniejem rankingu zawodnika i jego przeciwników powinno określić oczekiwany rezultat tego zawodnika. Jeśli w turnieju uzyskał wynik lepszy od oczekiwanego to jego ranking powinien wzrosnąć, jeśli gorszy – zmaleć. Elo zaproponował potraktowanie oczekiwanego wyniku jako zmiennej losowej o rozkładzie normalnym. Istnieje kilka modyfikacji rankingu, smaczku dodaje ciekawostka wspomniana w angielskojęzycznej Wikipedii (polecam zajrzeć - ładnie tam wszystko wyjaśnione). Otóż jest jedna scena w filmie The Social Network (taki film o powstaniu Facebooka), gdzie między wierszami przemycona jest informacja, że w Facemash (prototyp Facebooka) do oceny dziewczyn użyty został właśnie Elo. Ale ranking Elo, a nie Arpad Elo.

Ekstraklasa - analiza

Tue, 11 Jul 2017 14:50:21 +0000

Zaczynamy nową serię - analizę i przede wszystkim przewidywania dotyczące rozgrywek w ramach piłkarskiej Ekstraklasy. Cykl będzie składał się z trzech części:

w pierwszej przeprowadzimy analizę danych z historycznych rozgrywek na podstawie wyników meczów z sezonów 2008/09 do 2016/17
w drugiej części spróbujemy znaleźć model, który pozwoli na symulację rozgrywek oraz sprawdzimy jego skuteczność
zaś w ostatniej części - przygotowanym modelem wytypujemy wyniki na nadchodzący sezon 2017/18

Zapowiada się ciekawie, zatem do dzieła! Tym razem będzie bez kodów R w treści posta, wszystkie zaś dostępne są na moim GitHubie. Historyczne dane pobrałem ze strony Historia Polskiej Piłki Nożnej, stosowny skrypt na GitHubie nazywa się load_table.r. Dane zawierają informację o dacie meczu (i sezonie w którym mecz został rozegrany), drużynach i wyniku. Niestety nie znalazłem łatwych do zaadoptowania wyników z np. minutami meczu w których padają bramki - przez to analiza będzie nieco uboga. Ale może ciekawa? Na początek zobaczmy czy własne boisko sprzyja wygranej? Uwaga - są to dane uśrednione ze wszystkich sezonów, jeśli Legia grała z Wisłą Kraków u siebie (grała 13 razy) to liczymy średnią liczbę bramek zdobytą przez oba zespoły i to traktujemy jako wynik takiego super-meczu.

Partie polityczne i sport

Thu, 25 May 2017 12:32:43 +0000

Czy preferencje polityczne mają jakiś związek z preferencjami sportowymi? Innymi słowy: czy jeśli lubię PSL to wolę piłkę nożną czy jednak bieganie? Stereotypowo mogłoby to wyglądać tak: Nowoczesna to biegi, PiS - piłka nożna i podnoszenie ciężarów (przed tv, ciężary 500ml w puszce), Kukiz - wędkarstwo, PSL - wypas owiec. Koniec żartu, można się śmiać. A jak jest? Zrobimy eksperyment z dużą ilością danych. Facebook ma to od ręki, dlatego wykorzystamy publiczne informacje z tego właśnie źródła. Poza tym - te 2 miliardy użytkowników zostawia bardzo dużo informacji o sobie. Według badania Gemius/PBI za kwiecień 2017 w Polsce z Facebooka korzysta 22.6 mln internautów (81.4% wszystkich, co ciekawe - zanotowano spadek o ponad 200 tys. m/m). Jak to zrobić? Po pierwsze trzeba wytypować listę fanpage’y na podstawie których będziemy wyciągać wnioski. Skorzystałem z dwóch źródeł: własnej głowy (i sondaży poparcia) aby wytypować partie i z własnych rąk aby wyszukać ich fanpages na Facebooku. Druga strona równania to lista fanpage’y sportowych (dla mnie trudniejsze) - tutaj skorzystałem z raportów Sotrender. Teraz metodologia. Można na kilka sposobów. Na przykład biorąc listę fanów poszczególnych stron i szukając części wspólnych tych zbiorów. Tak będziemy działać. Problemem jest tylko jak uzyskać listę fanów? Kiedyś Facebook udostępniał poprzez API możliwość wywoływania zapytań FQL (to taki podobny do SQL język dla FB). Ale ograniczenia prywatności spowodowały, że to nie działa. Trzeba więc inaczej, co nieco zaburzy wyniki (trudno mi jednocześnie na szybko oszacować jak bardzo). Posty na stronach są publiczne, ludzie lajkują i komentują. Facebook udostępnia poprzez API dane o tych komentarzach i lajkach, w tym ID (oraz imię i nazwisko) użytkowników, którzy taką interakcję poczynili. Zatem weźmiemy posty każdej ze stron, dla każdego postu listę osób reagujących (policzymy tylko like i comment - bez share oraz innych reakcji) na post. Tym sposobem nie będziemy mieć fanów (jest ich zapewne więcej niż wchodzących w interakcję - jaka to różnica wyjdzie po drodze; a jednocześnie na tych stronach można komentować i lajkować nie będąc jednocześnie fanem strony), ale coś podobnego. Może nawet lepszego (użytkownik zaangażowany jest cenniejszy niż bierny obserwator).