[论文解读] "Why Would I Trust Your Numbers?" On the Explainability of Expected Values in Soccer

Jan Van Haaren|arXiv (Cornell University)|May 27, 2021

Sports Analytics and Performance参考文献 14被引用 8

一句话总结

本文提出了一种可解释的广义加法模型，用于估计足球比赛中的预期进球（xG），通过将射门位置模糊分配至16个战术上有意义的球场区域，提升了从业者对模型的可解释性，同时不牺牲模型准确性。与以往使用抽象空间特征的模型不同，该方法利用足球从业者熟悉的战术概念，提高了绩效指标的可信度与透明度。

ABSTRACT

In recent years, many different approaches have been proposed to quantify the performances of soccer players. Since player performances are challenging to quantify directly due to the low-scoring nature of soccer, most approaches estimate the expected impact of the players' on-the-ball actions on the scoreline. While effective, these approaches are yet to be widely embraced by soccer practitioners. The soccer analytics community has primarily focused on improving the accuracy of the models, while the explainability of the produced metrics is often much more important to practitioners. To help bridge the gap between scientists and practitioners, we introduce an explainable Generalized Additive Model that estimates the expected value for shots. Unlike existing models, our model leverages features corresponding to widespread soccer concepts. To this end, we represent the locations of shots by fuzzily assigning the shots to designated zones on the pitch that practitioners are familiar with. Our experimental evaluation shows that our model is as accurate as existing models, while being easier to explain to soccer practitioners.

研究动机与目标

• 为解决足球领域中预期值指标应用有限的问题，通过提升对不熟悉机器学习的从业者而言的可解释性，以促进其采纳。
• 通过使用直观且具有战术相关性的特征来表示射门位置，弥合数据科学家与足球从业者之间的差距。
• 开发一种在保持高预测准确性的同时，通过人工定义的、具有足球意义的特征交互实现可解释性的模型。
• 评估基于球场区域的空间表示是否能在不损害性能的前提下提升模型的可解释性。

提出的方法

• 模型采用可解释提升机（Explainable Boosting Machine, EBM）以确保每个特征的贡献具有可加性且可解释。
• 射门位置通过模糊分配至16个受既定战术框架启发的球场区域进行编码，替代了传统的距离球门和射门角度等特征。
• 特征交互关系基于足球特定逻辑人工定义（例如，射门部位与区域的交互），而非允许模型自动学习任意交互。
• 模型基于比赛事件数据进行训练，以预测射门转化为进球的概率，并通过局部SHAP解释支持可解释性。
• 通过保持与现有xG模型（如VAEP和Decroos & Davis, 2019）相当的预测准确性，确保了模型性能的保留。

实验结果

研究问题

• RQ1 使用足球从业者熟悉的球场区域是否能在不降低准确性的前提下，提升预期进球（xG）的可解释性？
• RQ2 与自动学习的交互关系相比，基于足球概念的人工定义特征交互在多大程度上提升了模型的可解释性？
• RQ3 将抽象的空间特征（如距离和角度）替换为基于区域的表示，是否能显著增强非技术背景从业者对模型的信任？
• RQ4 所提出的射门位置编码方式在不同类型射门和不同球员位置上是否均表现良好？

主要发现

• 所提出的模型在预测性能上与现有最先进xG模型（包括基于梯度提升决策树的模型）相当。
• 使用16个具有战术意义的球场区域显著提升了足球从业者对射门价值预测的可解释性。
• 基于足球概念的人工定义特征交互关系，相比自动学习的交互，能产生更直观、更可信的解释。
• 局部SHAP解释清晰地展示了射门区域、射门部位以及距离罚球点远近等因素如何共同影响最终的xG估计值。
• 模型的可加结构使从业者能够理解每个因素的贡献（例如，第6区的头球射门会提高xG，而边路远距离射门则会降低xG）。