11 metru soda sitienu stratēģijas optimizācija futbolā, izmantojot mašīnmācīšanos ; Optimizing penalty kick strategy in football through machine learning tehcniques

Futbols ir pasaulē populārākais sporta veids, kas spēļu laikā uz pasaules lielākās skatuves piesaista vairāk kā miljards skatītāju. Dotā pētījuma laikā tika analizēti arī citi saistīti pētījumi un statistika. Tie atklāj, ka gandrīz puse no futbola lielākā turnīra laikā aizvadītajām spēlēm tika izšķirtas ar 11 metru soda sitieniem. Kā liecina pētījumi, zaudējuma vai uzvaras cena var būt vairāki miljoni ASV dolāru. Tomēr, kad spēle nonāk līdz 11 metru soda sitieniem, izredzes gūt vārtus un atvairīt sitienu izrādās ne tuvu vienlīdzīgas. Šī pētījuma laikā analizētā literatūra liecina, ka soda sitienu izpildītājiem ir krietna priekšrocība. Tas, galvenokārt, ir saistīts ar spēju izmantot māņkustības un vārtsargu statistisko neiespējamību savlaicīgi reaģēt, sitienu ātruma un attāluma dēļ. Tāpēc vārtsargiem, lielā mērā, ir jāmin, lai viņiem būtu iespēja atvairīt sitienu. Šī pētījuma mērķis ir izveidot mašīnmācīšanās algoritmu, kas spēj paredzēt 11 metru soda sitienu novietojumu vārtos, kā arī vārtsarga pozīciju vārtos, lai optimizētu soda sitienu stratēģiju. Lai to paveiktu, vispirms autors izveidoja datu bāzi, kurā tika apvienoti dati no publiski pieejamas datu bāzes Transfermarkt, kā arī tika veikta papildus video analīze, izmantojot YouTube. Datubāze sastāv no 11 metru soda sitieniem, kurus izpildījuši pieci dažādi profesionāli vīriešu futbolisti no dažādām futbola līgām visā pasaulē. Kopumā datu bāze sastāv no 472 analizētiem 11 metru soda sitieniem. Pēc datu bāzes izveides autors izveidoja mašīnmācības risinājumu, izmantojot Python programmēšanas valodu. Autora izstrādātais risinājums izmanto vairākas bibliotēkas datu manipulācijām un datu vizualizēšanai. Datu manipulācijām autors izmantoja Pandas, Scikit-learn priekš mašīnmācīšanās rīkiem, bet vizualizācijām – Matplotlib un Seaborn. Kā dotā pētījuma mašīnmācīšanās pamatu, autors izmantoja Random Forest Classifier. Izstrādātais risinājums ietver arī savstarpēju validāciju, kas nozīmē, ka algoritms tika apmācīts, pamatojoties uz noteiktu daļu no datiem, un vēlāk ...