Interpretable Machine Learning for Football Performance Analysis: Evidence of Limited Transferability from Elite Leagues to University Competition

Resumen Técnico: Aprendizaje Automático Interpretable para el Análisis del Rendimiento en el Fútbol

Planteamiento del Problema
El aprendizaje automático se ha vuelto integral para el análisis del rendimiento en el fútbol; sin embargo, la investigación existente prioriza predominantemente la precisión predictiva, asumiendo implícitamente que los determinantes del rendimiento aprendidos en competiciones de élite son transferibles a contextos de nivel inferior. Esta suposición permanece en gran medida sin examinar, particularmente en lo que respecta al "cambio de dominio" desde las ligas profesionales de élite hasta la competición a nivel universitario. El fútbol universitario opera bajo condiciones distintas, que incluyen tiempo de entrenamiento limitado, niveles de habilidad heterogéneos y composiciones de equipo variables. El problema central abordado es si las relaciones estructurales entre los indicadores de rendimiento y los resultados de los partidos, junto con la interpretabilidad de los modelos de aprendizaje automático, permanecen robustas cuando se aplican a través de estos niveles competitivos divergentes. Específicamente, el estudio investiga si las explicaciones derivadas de datos de élite son fiables cuando se despliegan sobre datos universitarios, o si la inestabilidad en estas explicaciones refleja una ambigüedad estructural genuina en el dominio objetivo.

Metodología
El estudio emplea un marco de transferencia "de élite a universidad" donde los modelos se entrenan exclusivamente con datos de élite y se aplican a datos universitarios únicamente para inferencia y evaluación de interpretabilidad.

• Fuentes de Datos:
  • Dominio Fuente (Élite): Datos de eventos de partidos de las cinco principales ligas europeas (Premier League, La Liga, Serie A, Bundesliga, Ligue 1) que cubren tres temporadas (2022/23–2024/25). Los datos se recuperaron mediante el paquete Python soccerdata desde WhoScored, alineados con definiciones de estilo Opta.
  • Dominio Objetivo (Universidad): 17 partidos oficiales del equipo de fútbol de la Universidad Nacional Tsing Hua (NTHU) (segunda división de Taiwán). Los eventos fueron anotados manualmente por tres árbitros certificados siguiendo las directrices de OPTA, con los conteos finales determinados por acuerdo mayoritario.
• Representación de Características: Se utilizó un conjunto fijo de 19 categorías de eventos (por ejemplo, tiros, pases, entradas, faltas). El objetivo de predicción se definió como la diferencia de goles ($y = \text{Goles} - \text{Goles del Enemigo}$), formulado como una tarea de regresión.
• Modelos: Se evaluaron inicialmente seis algoritmos de aprendizaje automático (Árbol de Decisión, MLP, Bosque Aleatorio, SVR, XGBoost, TabNet). Basándose en la estabilidad predictiva y la baja varianza a través de semillas aleatorias, se seleccionaron Bosque Aleatorio (RF) y Perceptrón Multicapa (MLP) para todos los análisis de interpretabilidad posteriores.
• Métodos de Interpretabilidad: Se utilizaron dos métodos conceptualmente distintos para evaluar la importancia de las características:
  1. SHAP (SHapley Additive exPlanations): Utilizado para estimar las contribuciones marginales de las características a las predicciones.
  2. Puntuación de Impacto Contrafactual (CIS): Midió los cambios en la predicción bajo perturbaciones controladas, direccionales y de una sola característica basadas en las estadísticas de entrenamiento de élite.
• Diseño Experimental: Se realizaron cinco experimentos para evaluar:
  1. Validez predictiva en datos de élite.
  2. Comparación de la importancia de las características entre dominios (Élite vs. NTHU).
  3. Reproducibilidad de los rangos por semilla.
  4. Acuerdo estructural entre dominios (correlación de rangos entre ligas y universidad).
  5. Acuerdo entre métodos de explicación (SHAP vs. CIS) dentro de los dominios.

Resultados Clave

1. Divergencia Estructural: Los determinantes del rendimiento exhiben una jerarquía compartida y estable en las ligas de élite, pero sufren una reordenación sustancial cuando se aplican al fútbol universitario. Por ejemplo, "Toques" y "Paradas" cambiaron significativamente en su importancia de rango en el dominio universitario en comparación con el dominio de élite.
2. Estabilidad de la Explicación: En el dominio de élite, los rangos de importancia de las características fueron altamente reproducibles a través de semillas aleatorias (por ejemplo, correlación de Spearman de RF $\mu = 0.990$). En contraste, el dominio universitario mostró una estabilidad reducida, particularmente para el modelo MLP ($\mu = 0.231$), lo que indica que las estructuras de explicación son sensibles a la aleatoriedad del entrenamiento en el dominio objetivo.
3. Acuerdo Interdominio: Se observó un fuerte acuerdo estructural (altas correlaciones de Spearman) entre las ligas de élite. Sin embargo, las correlaciones entre las ligas de élite y el fútbol universitario de la NTHU fueron sustancialmente más bajas, confirmando una falta de alineación estructural.
4. Invarianza del Método: En el fútbol de élite, los rangos de SHAP y CIS mostraron un alto acuerdo ($\rho \approx 0.93$ para RF). En el dominio universitario, este acuerdo disminuyó significativamente ($\rho \approx 0.42$ para RF) y careció de consistencia estadística, lo que sugiere que los rangos de importancia de las características en el fútbol universitario dependen en gran medida de la elección del método de explicación.

Contribuciones Clave

1. Evidencia Empírica de No Transferibilidad: El estudio proporciona evidencia de que los determinantes del rendimiento aprendidos en competiciones de élite no preservan su jerarquía estructural cuando se aplican al fútbol a nivel universitario, desafiando la suposición de transferibilidad entre niveles.
2. Interpretabilidad Dependiente del Dominio: Demuestra que la interpretabilidad no es una propiedad inherente de un modelo, sino una característica dependiente del dominio. Mientras que es robusta en contextos de élite, la interpretabilidad se vuelve inestable y sensible al método bajo un cambio de dominio.
3. Reencuadre de la Inestabilidad: El artículo propone un cambio conceptual donde la inestabilidad de la explicación no se considera meramente como ruido metodológico o fallo del modelo, sino como una señal diagnóstica de ambigüedad estructural en el dominio objetivo. Sugiere que, en contextos donde las jerarquías tácticas aún no están bien establecidas (como el fútbol universitario), la falta de una estructura de explicación estable es un hallazgo significativo en sí mismo.

Significado y Afirmaciones
Los autores afirman que este trabajo desplaza el enfoque del análisis del fútbol desde el rendimiento puramente predictivo hacia la evaluación empírica de la robustez de la interpretabilidad. El estudio argumenta que, antes de traducir las perspectivas de los modelos en estrategias accionables para contextos no élite, los profesionales deben evaluar si las explicaciones son estables, transferibles e invariantes al método.

El artículo concluye que la inestabilidad de la explicación y el desacuerdo metodológico deben tratarse como indicadores de incertidumbre estructural y no como artefactos. En consecuencia, las perspectivas derivadas de modelos entrenados en élite no deben aplicarse directamente a entornos universitarios o amateurs sin una validación rigurosa de la robustez de la interpretabilidad. Los hallazgos subrayan la necesidad de tratar la interpretabilidad como una propiedad condicional y dependiente de los datos, en lugar de una característica garantizada de los modelos de aprendizaje automático.