Innovative data analytics and machine learning approaches for analyzing European football shots

Abstract

The methodology first focused on analytics using Python to analyze data and present results in plots. Then, supervised machine learning methods were applied, with five practical models selected for classification. The results were satisfactory for most teams and players. A detailed analysis of shots by Messi and Suarez examined shot locations and conditions, also considering the tactics of their teams, Barcelona and Real Madrid. Only shots from Messi and Suarez were presented in the results. Machine learning models initially showed limited effectiveness, but performance improved by adjusting model weights. Shots were classified as successful (Goal) or unsuccessful (No Goal) to identify patterns predicting goal likelihood based on shot velocity, angle, and goalkeeper distanceΗ μεθοδολογία ξεκίνησε με ανάλυση δεδομένων στην Python και παρουσίαση αποτελεσμάτων σε γραφήματα. Στη συνέχεια, εφαρμόστηκαν μέθοδοι επιβλεπόμενης μάθησης, με πέντε πρακτικά μοντέλα να επιλέγονται για ταξινόμηση. Τα αποτελέσματα ήταν ικανοποιητικά για τις περισσότερες ομάδες και παίκτες. Αναλύθηκαν τα σουτ των Μέσι και Σουάρες, εστιάζοντας σε τοποθεσίες και συνθήκες, καθώς και στις τακτικές των ομάδων Μπαρτσελόνα και Ρεάλ Μαδρίτης. Στην παρουσίαση εμφανίστηκαν μόνο τα σουτ αυτών των παικτών. Τα μοντέλα μηχανικής μάθησης αρχικά είχαν περιορισμένη απόδοση, αλλά βελτιώθηκαν μετά την τροποποίηση των βαρών. Τα σουτ ταξινομήθηκαν σε “Γκολ” και “Χωρίς Γκολ” για τον εντοπισμό προτύπων που προβλέπουν την πιθανότητα γκολ με βάση την ταχύτητα, τη γωνία και την απόσταση από τον τερματοφύλακα