Leakage-aware pre-match prediction of professional volleyball outcomes: temporal validation of machine-learning models against an Elo baseline
Questo studio dimostra che, sebbene i modelli di apprendimento automatico possano prevedere moderatamente gli esiti della pallavolo professionistica quando sottoposti a rigorosi test contro la fuga di dati e i vincoli temporali, un semplice sistema di classificazione Elo rimane altamente competitivo, suggerendo che algoritmi complessi offrano un valore aggiuntivo limitato per il supporto alle decisioni pre-partita.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Prevedere l'esito di un incontro sportivo professionistico è un compito che fonde l'intuizione con i dati concreti. Nel mondo della pallavolo competitiva, le squadre vengono costantemente analizzate per i loro punti di forza nella battuta, in attacco e nel muro. Per decenni, i ricercatori hanno esaminato le statistiche raccolte dopo la fine di una partita per capire perché una squadra abbia vinto e un'altra abbia perso. Tuttavia, esiste una differenza cruciala tra spiegare un risultato a posteriori e prevederlo prima che la prima palla venga servita. Una statistica come il numero di punti segnati in un incontro è una descrizione perfetta di ciò che è accaduto, ma non può essere utilizzata per prevedere ciò che accadrà, perché non esiste finché la partita non è terminata. La vera previsione richiede l'uso solo delle informazioni disponibili subito prima dell'inizio del match, come le prestazioni passate di una squadra, la sua forma recente e quanti giorni ha avuto per riposare. Questa distinzione è vitale per chiunque cerchi di costruire un modello affidabile per indovinare il futuro, poiché utilizzare dati che non dovrebbero essere ancora disponibili crea un falso senso di accuratezza.
Uno studio recente di Xiaopeng Li della Chengdu Sport University ha affrontato questa sfida esaminando le partite di pallavolo professionistica nella massima lega polacca, nota come PlusLiga. L'obiettivo era vedere quanto bene i modelli di machine learning potessero prevedere i vincitori dei match quando avessero il divieto assoluto di utilizzare qualsiasi informazione che non sarebbe stata nota prima dell'inizio della partita. Il ricercatore ha lavorato con un dataset pubblico contenente migliaia di record di partite, ma il primo passo non è stato costruire un programma per computer, bensì pulire i dati. A un'ispezione più attenta, i record degli anni precedenti del dataset contenevano numeri impossibili, come una squadra che registrava più "ace" (servizi perfetti che l'avversario non riesce a restituire) rispetto ai tentativi totali di battuta. Poiché questi errori non potevano essere corretti senza dover ipotizzare le regole originali della raccolta dati, il ricercatore ha preso la difficile decisione di scartare oltre duemila di questi record più vecchi. L'analisi finale si è basata su 628 partite delle stagioni 2020/21 attraverso 2022/23, un periodo in cui i dati erano puliti e affidabili.
Per testare il potere predittivo di diversi metodi, il ricercatore ha diviso questo dataset pulito in due gruppi. Il primo gruppo, che copriva le stagioni 2020/21 e 2021/22, è stato utilizzato per addestrare vari modelli informatici. Il secondo gruppo, composto dalle partite della stagione 2022/23, è stato tenuto completamente nascosto fino alla fine. Questo approccio imita la vita reale: un modello impara dal passato ed è poi testato sul futuro per vedere se funziona davvero. Lo studio ha confrontato cinque diversi tipi di algoritmi di machine learning, che vanno dai semplici metodi statistici alle complesse reti neurali, contro due parametri di riferimento di base. Un parametro consisteva semplicemente nel tirare a indovinare in base a quanto spesso le squadre vincevano in passato, mentre l'altro utilizzava il sistema di rating Elo, un metodo trasparente che aggiorna il punteggio di forza di una squadra dopo ogni singina partita in base a chi ha battuto e come.
I risultati hanno mostrato che prevedere la pallavolo professionistica è possibile, ma è tutt'altro che perfetto. Il modello di maggior successo è stato un semplice metodo statistico chiamato Regressione Logistica, che ha previsto correttamente il vincitore circa il 72 percento delle volte sui dati futuri non ancora visti. Questo è stato un risultato solido, ma non è stato una svolta. Infatti, il semplice sistema di rating Elo, che guardava solo alla differenza nella forza delle squadre senza calcoli complessi, ha performato quasi altrettanto bene, indovinando il vincitore circa il 70 percento delle volte. I modelli di machine learning più complicati, inclusi quelli progettati per trovare schemi intricati nei dati, non hanno offerto un vantaggio significativo rispetto ai metodi più semplici. In alcuni casi, i modelli complessi sono stati persino meno stabili, ottenendo buoni risultati durante l'addestramento ma fallendo nel mantenere tale successo di fronte a nuove partite.
Un esame più approfondito di ciò che i modelli stavano effettivamente utilizzando per prendere le loro decisioni ha rivelato una verità sorprendente. Il fattore più importante in assoluto era la differenza nei rating Elo delle squadre. Sebbene i modelli avessero accesso a quattordici statistiche diverse sulla forma recente di una squadra, come la precisione della battuta o quanti punti hanno segnato nelle loro ultime cinque partite, questi dettagli aggiungevano pochissimo valore extra. I modelli informatici si affidavano essenzialmente al semplice fatto che una squadra più forte ha maggiori probabilità di vincere, e i dati tecnici aggiuntivi non cambiavano molto quella previsione. Ciò suggerisce che le informazioni contenute nella cronologia recente delle partite di una squadra sono già ampiamente catturate dal loro rating di forza complessivo. Lo studio ha anche scoperto che i modelli erano bravi a classificare la probabilità di una vittoria, ma non erano perfetti; c'era ancora una quantità significativa di incertezza in ogni previsione.
Lo studio conclude che, sebbene sia possibile prevedere gli esiti della pallavolo professionistica con un successo moderato, il percorso per farlo richiede una stretta disciplina riguardo alle informazioni consentite. La ricerca sostiene esplicitamente che non è detto che algoritmi informatici più complessi siano automaticamente migliori per questo compito. Al contrario, dimostra che una misura chiara e trasparente della forza della squadra è spesso lo strumento più potente a disposizione. Le conclusioni supportano l'uso di questi modelli come ausilio prudente per l'analisi pre-partita, aiutando forse scout o tifosi a comprendere la probabile difficoltà di un confronto. Tuttavia, lo studio avverte che questi modelli non dovrebbero essere utilizzati per decisioni in tempo reale durante la partita o per fornire consigli tecnici specifici all'allenatore, poiché non possono tenere conto dei cambiamenti dinamici che avvengono durante un incontro. Inoltre, i risultati sono specifici per questa singola lega e non possono essere assunti come validi per altri sport o diversi livelli di competizione senza ulteriori test. Il lavoro serve da promemoria che, nella previsione sportiva, sapere cosa non si sa è importante quanto la previsione stessa.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.