[new] [Sports]

Biometrics in voetbal

  • als je het niet aan een ander kunt uitleggen, dan begrijp je het zelf niet
  • how to turn biometrics into actionables (improving player and team)
  • context: NL-eredivisie

Objective Player Performance Metrics

Premiss: We meten aan voetballers

We kunnen het ordenen

  • player.biometrics(datetime)

Maar hoe worDT een cluppie daardoor beter?

  • Stel dat je voor elk tijdsinterval `t` de `biometrics` weet
  • Stel dat je voor elke `t` ook een `permormance score` hebt

Dan kunnen we analyseren

  • met statistische methoden
  • met verbeelding
  • met betere statistische methoden
  • met een ML-list (ML=machine-learning, heel arglistig)

Training van het ML-paradigma

Om met ML aan de slag te gaan, hebben we data nodig, heel veel gegevens. Die data hebben de vorm: ` Observation,Criterium` in concreto: (PLAYER_BIOMETRICSS, PLAYER_PERFORMANCE) (en trouwens ook pertformance, biometrix)

Hoe verder met die ML-shoot?

  • Omdat we de `biometrics` per sampling-rate hebben (let's say every minute)
  • En we `player-performance` (hooguit per 15 wedstrijdminuten hebben)
  • Werken we met `tijdintervallen`

We moeten even `player.performance` in kaart brengen, toch?

  • Permormance has the imprint performance(->player, ->match, action, where, when, x????)
  • Where ->b is a functional relationship (when we know a performance we know b

Het pijnpunt is:

  • Action
  • Wat is een actie (van een spler) dan?

Actie

Dat moet zoiets zijn als:

  • Waar, Wat, (van_)Wie,

Waar?

We verdelen het veld in 2*4 zônes

  • Eén voor elke helft
    • eye (0)
    • high (?)
    • low (?)
    • penalty (?11?)

Wat?

( by kred to all at 2018-03-03 02:17:12 in Sports )



International money transfers? Worldremit beats your bank!

Domains, Hosting? Go Versio!

[Login to add a comment]
[new]