स्पोर्ट्स एनालिटिक्स: मैंने EURO 2024 का फाइनल कैसे भविष्यवाणी की

जब मैं 14 साल का था, तो मैंने पहली बार FIFA वर्ल्ड कप 2010 के विजेता पर फुटबॉल सट्टा लगाया। केवल अंतर्ज्ञान पर निर्भर रहते हुए, मैंने हर मैच का अनुमान लगाया और अपने टूर्नामेंट प्लान के दो फाइनलिस्ट—नीदरलैंड्स और स्पेन—पर दांव लगाया। अंत में, वही दो टीमें फाइनल में पहुँचीं—मेरी भविष्यवाणियाँ सच होने से मैं बेहद उत्साहित था।

14 साल आगे बढ़ते हुए, मैंने अपने Python और मशीन लर्निंग कौशल को गहरा करने के लिए एक प्रोजेक्ट की तलाश की, जिसने मुझे EURO 2024 के लिए एक प्रेडिक्शन प्रोजेक्ट तक पहुँचाया। मेरा मुख्य उद्देश्य मैच के नतीजे (जीत, ड्रा, या हार) और प्रत्येक टीम द्वारा किए गए गोलों की संख्या का पूर्वानुमान लगाना था।

इस लेख में, मैं अपने EURO 2024 प्रेडिक्शन प्रोजेक्ट का एक अवलोकन प्रस्तुत करता हूँ, जिसमें मेरे द्वारा उठाए गए मुख्य कदम, सामने आई चुनौतियाँ, और प्राप्त अंतर्दृष्टियाँ शामिल हैं। तकनीकी विवरणों में गहराई से जाने के लिए, जिनमें कोड इम्प्लीमेंटेशन भी शामिल है, कृपया सहायक नोटबुक प्रोजेक्ट देखें—सभी फाइलों तक पहुँच के लिए आपको DataLab अकाउंट की आवश्यकता होगी।

फुटबॉल के नतीजों की भविष्यवाणी में चुनौतियाँ

कई कारणों से फुटबॉल के नतीजों की भविष्यवाणी कुख्यात रूप से चुनौतीपूर्ण है। फुटबॉल में गोलों का सांख्यिकीय वितरण काफी परिवर्तनीय होता है। साथ ही, अन्य टीम बॉल स्पोर्ट्स की तुलना में प्रति मैच स्कोरिंग अवसर अपेक्षाकृत कम होते हैं, जिससे नतीजे अप्रत्याशित हो जाते हैं।

उदाहरण के लिए हैंडबॉल लें: इसके बार-बार बनने वाले स्कोरिंग मौकों के कारण नतीजे अधिक अनुमानित हो जाते हैं, क्योंकि गोलों की संख्या समय के साथ औसतन बनते प्रयासों के अनुरूप मौकों के निर्माण और रोकथाम को बेहतर दर्शाती है। जबकि फुटबॉल में कभी-कभी अपनी पोस्ट के आगे "बस पार्क" कर देना और एक दृढ़ काउंटरअटैक खेलना ही मैच की दिशा पलटने के लिए काफी होता है।

इसके अलावा, फुटबॉल मैचों की विशेषता उच्च पाथ-निर्भरता होती है, यानी मैच की रफ्तार और नतीजा अक्सर पहले गोल पर काफी निर्भर करते हैं। छोटे लेकिन महत्वपूर्ण एक्शन एक गोल या रेड कार्ड में बदल सकते हैं और मैच की दिशा नाटकीय रूप से बदल सकते हैं, जिससे भविष्यवाणियाँ और मुश्किल हो जाती हैं।

हाल के वर्षों में VAR (वीडियो असिस्टेंट रेफरी) की शुरुआत ने भी अनिश्चितता को बढ़ाया है, क्योंकि यह मैदान पर लिए गए अहम फैसलों को पलट सकता है। और उस मायावी "डे फॉर्म" को मत भूलिए, जिस पर मैं एक किताब लिख सकता हूँ—कुख्यात रूप से अप्रत्याशित Eintracht Frankfurt का प्रशंसक होने के नाते (उपयुक्त उपनाम "मूडी दीवा").

डेटा सीमाओं से निपटने की रणनीतियाँ

उपर्युक्त कारकों के अलावा, मेरे प्रेडिक्शन मॉडल को कई अतिरिक्त डेटा सीमाओं का भी सामना करना पड़ा, जिनका समाधान करना आवश्यक था।

• प्लेयर-विशिष्ट डेटा की कमी: प्रमुख खिलाड़ियों की मौजूदगी, व्यक्तिगत प्रदर्शन मीट्रिक्स, या चोटों जैसे विस्तृत खिलाड़ी डेटा के बिना, मॉडल मैच के नतीजे को प्रभावित करने वाले महत्वपूर्ण कारकों को मिस कर सकता है। यद्यपि राष्ट्रीय टीमें फुटबॉल क्लबों की तरह ट्रांसफर मार्केट की अस्थिरता के लिए उतनी उजागर नहीं होतीं, फिर भी वर्षों में स्क्वाड की संरचना काफी बदलती रहती है, इसलिए डेटा में इसका परिलक्षित होना लाभकारी होगा।
• इन-गेम डेटा की कमी: मैच के दौरान पजेशन प्रतिशत या पास कम्प्लीशन रेट जैसे इन-गेम आँकड़ों का न होना, मॉडल की सटीक भविष्यवाणी करने की क्षमता को कम कर सकता है। मैच के पहले गोल का मिनट और किस टीम ने किया जैसे डेटा पॉइंट्स, उपर्युक्त पाथ-निर्भरता के पैटर्न ट्रेस करने में मदद करेंगे और इस प्रकार यह अनुमान लगाना आसान होगा कि मैच किस दिशा में जा सकता है। 

उपयोग किए गए डेटा से जुड़ी चुनौतियों से निपटने के लिए, कई रणनीतियाँ अपनाई गईं:

मिसिंग डेटा का इम्प्यूटेशन

जहाँ संभव था, मैंने मिसिंग डेटा पॉइंट्स भरे ताकि डेटासेट समग्र बना रहे—उदाहरण के लिए, अनुमानित मैचों के लिए टैक्टिकल फॉर्मेशंस जोड़ना।

क्योंकि अधिकांश टीमें एक बार किसी फॉर्मेशन को ट्रेन और टेस्ट करने के बाद उसी से चिपकी रहती हैं, मैंने मान लिया कि प्रत्येक टीम अपने पिछले पाँच मैचों में सबसे अधिक उपयोग किए गए फॉर्मेशन में खेलेगी। यह हमें लाइन-अप सार्वजनिक होने से पहले मैचों की भविष्यवाणी करने की अनुमति देता है, जो केवल मैच शुरू होने से एक घंटा पहले होता है।

फीचर्स को बाहर करना या बदलना

जब न तो इम्प्यूटेशन और न ही हटाना व्यावहारिक था, तब मैंने कुछ फीचर्स को बाहर कर दिया या बदल दिया ताकि मॉडल की सटीकता प्रभावित न हो।

उदाहरण के लिए, मूल रूप से मैं एक दो-स्तरीय भविष्यवाणी करना चाहता था, जिसमें प्राथमिक फीचर्स का उपयोग करके बॉल पजेशन और अपेक्षित गोल (xG) जैसे द्वितीयक फीचर्स का पूर्वानुमान लगाया जाए, ताकि नतीजे को उन द्वितीयक फीचर्स के आधार पर भी भविष्यवाणी किया जा सके। सरलता के लिए, मैंने इस प्रक्रिया के विरुद्ध निर्णय लिया और इसके बजाय प्रत्येक टीम को उनके मैच औसत आँकड़ों के आधार पर खेलने की शैली दर्शाने के लिए दो फीचर्स सौंपे।

मिसिंग डेटा हटाना

जहाँ इम्प्यूटेशन संभव नहीं था, वहाँ मैंने डेटासेट की अखंडता बनाए रखने के लिए मिसिंग डेटा हटा दिया। सौभाग्य से, ऑब्ज़र्वेशन्स का नुकसान बहुत कम था, इसलिए मॉडल बिल्डिंग के लिए डेटासेट में अभी भी 3,000 से अधिक मैच शामिल थे। 

डेटा पाइपलाइन: कलेक्शन से लेकर प्रेडिक्शन तक

कठिनाइयों और सीमाओं से निपटने के बाद, आइए देखें कि कच्चे डेटा को सूझबूझ भरी भविष्यवाणियों में कैसे बदला गया। डेटा पाइपलाइन, जो प्रोजेक्ट की रीढ़ है, में डेटा का कलेक्शन, प्रीप्रोसेसिंग और मॉडलिंग के लिए तैयारी शामिल थी, जिसमें विभिन्न टैक्टिकल, मनोवैज्ञानिक और ऐतिहासिक फीचर्स का उपयोग किया गया।

डेटा स्क्रैपिंग

प्रारंभिक चरण में विभिन्न स्रोतों से ऐतिहासिक मैच डेटा स्क्रैप करना शामिल था, जिनमें Transfermarkt भी शामिल है, ताकि पिछले मैचों के बारे में व्यापक जानकारी एकत्र की जा सके।

बने हुए DataFrame में एक पंक्ति, शामिल टीमों में से किसी एक के दृष्टिकोण से, एक मैच के अनुरूप होती है। इस डेटा को FootyStats के डेटा के साथ जोड़ा गया, ताकि औसत बॉल पजेशन और एफिशिएंसी मीट्रिक्स जैसे खेलने की शैली के फीचर्स शामिल किए जा सकें।

अधिक विवरण के लिए, डेटा स्क्रैपिंग नोटबुक यहाँ देखें।

फीचर इंजीनियरिंग

इसके बाद, कच्चे डेटा को अर्थपूर्ण फीचर्स में बदला गया, जिन्हें मशीन लर्निंग मॉडल उपयोग कर सकें। इसमें वैल्यू निकालना, वेरिएबल्स को ट्रांसफॉर्म करना और औसत निकालना शामिल था।

डेटासेट की सभी टीमों की एफिशिएंसी बनाम वल्नरेबिलिटी के क्लस्टर्स

भविष्यवाणियों की सटीकता बढ़ाने के लिए कई प्रमुख फीचर्स पहचाने गए और मॉडलों में उपयोग किए गए। इनमें शामिल थे:

• टैक्टिकल फॉर्मेशंस: दोनों टीमों के फॉर्मेशन और उनके स्ट्राइकरों व डिफेंडरों की संख्या। उद्देश्य विभिन्न लोकप्रिय फॉर्मेशंस और टीम की आक्रामक तथा रक्षात्मक क्षमताओं के बीच नतीजों के पैटर्न पहचानना था।
• फेवरिट/अंडरडॉग स्थिति: इसे सरल और वस्तुनिष्ठ रूप से मापने के लिए, मैंने यह फीचर UEFA Nations League स्तरों (और गैर-यूरोपीय टीमों के लिए संबंधित FIFA वर्ल्ड रैंकिंग रेंज) से व्युत्पन्न किया, ताकि यह संकेत मिल सके कि किस टीम से बेहतर प्रदर्शन की उम्मीद है।
• टीम फॉर्म: पिछली पाँच मैचों में किए और खाए गए गोलों का औसत, प्रत्येक टीम के मौजूदा आक्रामक और रक्षात्मक प्रदर्शन स्तर में अंतर्दृष्टि देता है।
• खेलने की शैली: औसत बॉल पजेशन और एफिशिएंसी बनाम वल्नरेबिलिटी मीट्रिक्स के क्लस्टर्स (ऊपर ग्राफ देखें) का उपयोग टीम की खेलने की शैली को कैप्चर करने के लिए किया गया। एफिशिएंसी की गणना, अपने किए और खाए गए गोलों—दोनों के लिए—गोल्स से एक्सपेक्टेड गोल्स (xG) के अनुपात के रूप में की गई। क्लस्टर्स केवल क्वालिफाई की हुई टीमों पर फिट किए गए, क्योंकि वही रुचि की टीमें हैं, और फिर उन्हें डेटासेट में कम से कम एक मैच खेलने वाली अन्य सभी टीमों पर लागू किया गया। कृपया ध्यान दें कि गैर-यूरोपीय टीमों के लिए मैचों की सीमित संख्या के कारण यह मान काफी भिन्न हो सकता है।
• स्टेज: टूर्नामेंट स्टेज (ग्रुप स्टेज या नॉकआउट फेज) को शामिल किया गया, ताकि टीमों पर पड़ने वाले दबाव के अलग-अलग स्तरों को ध्यान में रखा जा सके। विचार यह था कि दाँव के अनुसार प्रदर्शन में पैटर्न खोजे जाएँ।
• टीम एसेंस और दीर्घकालिक रुझान: यह फीचर मानकर चलता है कि कुछ अज्ञेय शेष है जिसे हर टीम के एसेंस के रूप में कैप्चर किया जा सकता है। समय वेरिएबल के साथ मिलकर, यह फीचर उन तत्वों का प्रतिनिधित्व करता है जो अन्य फीचर्स से कवर नहीं होते, और टीम के समग्र प्रदर्शन तथा रुझानों का व्यापक दृष्टिकोण प्रदान करता है।

मशीन लर्निंग मॉडल बनाने से पहले डेटासेट को खेले गए और न खेले गए मैचों में बाँटा जाता है, ताकि लेबल्ड और अनलेबल्ड डेटा के बीच अंतर हो सके। इसके अतिरिक्त, हम अत्यधिक दाएँ-झुके हुए फॉर्म फीचर्स का लॉगरिदम लेते हैं और यह सुनिश्चित करने के लिए नॉर्मलाइज़ेशन और वन-हॉट एनकोडिंग लागू करते हैं कि डेटा उपयुक्त फॉर्मेट में हो।

टीम वेरिएबल्स, जिनमें दीर्घकालिक रुझान शामिल है, को MinMaxScaler का उपयोग करके स्केल करना आवश्यक है ताकि संबंधित टीम के बिना मैचों का प्रतिनिधित्व करने वाले जीरो उसके स्केल को प्रभावित न करें। अन्य सभी संख्यात्मक फीचर्स को StandardScaler का उपयोग करके नॉर्मलाइज़ किया जाता है।

मॉडल चयन और वर्कफ़्लो इम्प्लीमेंटेशन

फुटबॉल के नतीजों की भविष्यवाणी के लिए सबसे प्रभावी मॉडलों की पहचान करने हेतु, मैंने मशीन लर्निंग मॉडलों का एक व्यापक चयन लेकर शुरुआत की। "ब्लैक बॉक्स" दृष्टिकोण अपनाते हुए, मैंने विभिन्न मॉडलों का पता लगाया ताकि डेटा को संभालने में उनकी ताकतों और कमजोरियों को समझा जा सके। प्रत्येक मॉडल के लिए, मैंने मैच के नतीजों की भविष्यवाणी के लिए क्लासिफिकेशन वर्ज़न और दोनों टीमों द्वारा किए गए गोलों की संख्या के लिए रिग्रेशन वर्ज़न का उपयोग किया। मैंने जिन मॉडलों का परीक्षण किया, उनमें शामिल थे:

• Random Forest
• Gradient Boosting
• Extreme Gradient Boosting (XGBoost)
• Support Vector Machine (SVM)
• K-Nearest Neighbors
• Extra Trees
• Adaptive Boosting (AdaBoost)
• Light Gradient Boosting Machine (LightGBM)
• Categorical Boosting (CatBoost)
• Linear Regression

मैंने पुनरुत्पादन योग्य बनाने के लिए पहले एक सीड (मेरा पूर्व शर्ट नंबर, नौ) सेट किया। लेबल्स और टार्गेट्स परिभाषित करना और मॉडल बिल्डिंग में कई प्रमुख चरण शामिल थे, जिनमें सभी में क्रॉस-वैलिडेशन का उपयोग करके मॉडल परफॉर्मेंस की तुलना करना शामिल था:

1. बेसलाइन मॉडलों का मूल्यांकन: सभी उल्लिखित मॉडलों को इंस्टैंशिएट, फिट और क्रॉस-वैलिडेशन का उपयोग करके इवैल्यूएट किया गया।
2. हाइपरपैरामीटर ट्यूनिंग: इस चरण में प्रत्येक मॉडल के पैरामीटर्स को अनुकूलित करना शामिल था, ताकि उनका प्रदर्शन बेहतर हो सके। इन पैरामीटर्स को फाइन-ट्यून करके, मॉडल डेटा के अनुरूप बेहतर ढंग से ढल सके और अधिक सटीक भविष्यवाणी कर सके।
3. रीकरसिव फीचर सेलेक्शन: सबसे प्रासंगिक फीचर्स की पहचान करने के लिए रीकरसिव फीचर सेलेक्शन अपनाया गया। इस तकनीक ने भविष्यवाणियों पर सबसे महत्वपूर्ण प्रभाव डालने वाले फीचर्स तक दायरा सीमित करने में मदद की, जिससे मॉडलों की दक्षता और सटीकता में सुधार हुआ। हालाँकि, कुछ लेबल्स की भविष्यवाणियाँ सभी फीचर्स का उपयोग करने पर बेहतर थीं; यदि ऐसा था, तो मैंने सभी फीचर्स वाले संस्करण का उपयोग किया।

अंततः, मैंने मैच के नतीजों (जीत/हार) की भविष्यवाणी में उनकी प्रिसीजन और गोलों की संख्या की भविष्यवाणी में Root Mean Squared Error (RMSE) के आधार पर सर्वश्रेष्ठ प्रदर्शन करने वाले मॉडलों का चयन किया।

मैंने मैच नतीजों के लिए दो मॉडल चुने: एक जीत और हार की भविष्यवाणी के लिए, और दूसरा विशेष रूप से ड्रा के लिए। यह भेद आवश्यक था क्योंकि ड्रा को प्रभावित करने वाले पैटर्न और कारक, जीत और हार को प्रभावित करने वालों से काफी भिन्न होते हैं। यह सुनिश्चित करने के लिए कि तीनों नतीजों (जीत, ड्रा, हार) की अंतिम संभावनाएँ कुल मिलाकर 100% हों, बाद में मॉडल एप्लिकेशन के नतीजों को नॉर्मलाइज़ किया गया।

मॉडल एप्लिकेशन

चुने गए मॉडलों को उनके चयनित हाइपरपैरामीटर्स और फीचर्स के साथ उपयोग करते हुए, मैं प्रत्येक पंक्ति के लिए सभी लेबल्स की भविष्यवाणी करता हूँ। चूँकि प्रत्येक अनुमानित मैच के लिए दो पंक्तियाँ होती हैं, इसलिए हमें हर मैच नतीजे के लिए दो संभावनाएँ और प्रत्येक टीम के लिए भविष्यवाणी किए गए गोलों के रूप में दो फ़्लोट नंबर मिलते हैं।

ये मान एक-दूसरे से बहुत अधिक नहीं भिन्न होने चाहिए, और अधिकांश मामलों में ऐसा नहीं होता—यदि होता है, तो हम मैच को फ़्लैग कर देते हैं ताकि यह संकेत मिले कि भविष्यवाणी को थोड़ी सावधानी से लेना चाहिए। प्रत्येक लेबल के लिए केवल एक मान तक घटाने हेतु, मैं दोनों भविष्यवाणी मानों का औसत लेता हूँ।

मैच नतीजों के लिए, मैंने जीत, ड्रा, और हार की संभावनाओं को नॉर्मलाइज़ किया ताकि वे कुल मिलाकर 100% हों। मैंने "डबल चांस" जैसे लोकप्रिय बेटिंग विकल्पों को कैप्चर करने के लिए अतिरिक्त कॉलम भी बनाए। प्रत्येक टीम के लिए भविष्यवाणी किए गए गोलों के फ़्लोट नंबर के आधार पर, मैं एक Poisson वितरण स्थापित करता हूँ और प्रत्येक टीम के लिए प्रत्येक गोल संख्या की संभावनाएँ और यह भी कि कुल मैच गोल 1.5, 2.5, 3.5, 4.5, और 5.5 से ऊपर या नीचे हैं—जो दाँव लगाने के लिए काफी लोकप्रिय हैं—व्युत्पन्न करता हूँ।

अपनी टिपिंग भविष्यवाणियों के लिए, मैंने सबसे अधिक संभावना वाले नतीजे को चुना। यदि दोनों टीमों के लिए जीत की संभावनाएँ एक-दूसरे से 0.05 के भीतर थीं, तो मैंने इसे ड्रा माना। गोलों की भविष्यवाणियों के लिए, मैंने प्रत्येक टीम के लिए सबसे संभावित गोल संख्या का चयन किया, और आवश्यकतानुसार संख्याओं को समायोजित किया ताकि वे अनुमानित नतीजे के अनुरूप हों।

भविष्य के EURO मैचों की भविष्यवाणी करने के लिए, मैंने प्रारंभिक अनुमानित नतीजों के साथ कच्चे मैच डेटा को अपडेट किया। इन भविष्यवाणियों को डेटासेट में शामिल करके और फीचर इंजीनियरिंग को पुनः लागू करके, मैं फिर विकसित होते टूर्नामेंट परिदृश्य के आधार पर अगले राउंड के मैचों की भविष्यवाणी कर सका।

मॉडल परफॉर्मेंस का मापन: एक्युरेसी बनाम प्रिसीजन

फुटबॉल भविष्यवाणियों के संदर्भ में एक्युरेसी और प्रिसीजन के बीच अंतर को समझना महत्वपूर्ण है, खासकर जब इन भविष्यवाणियों के उपयोग पर विचार किया जाए। उदाहरण के लिए सट्टेबाजी बनाम टिपिंग का उपयोग इन मीट्रिक्स के महत्व को स्पष्ट कर सकता है:

स्पोर्ट्स बेटिंग में

उद्देश्य ऐसे दाँव ढूँढना है जहाँ अपेक्षित रिटर्न सकारात्मक हो। इसका मतलब है कि आपको संभावित नतीजों की पहचान करनी होगी और बुकमेकर्स द्वारा दी जाने वाली ऑड्स पर विचार करना होगा ताकि वैल्यू बेट्स मिल सकें।

यहाँ प्रिसीजन अहम है, क्योंकि यह पॉजिटिव प्रेडिक्शंस (जैसे, जीत की भविष्यवाणी) की शुद्धता पर केंद्रित है। उच्च प्रिसीजन बुकमेकर्स द्वारा अंडरवैल्यू की गई बेट्स को लगातार पहचानने में मदद करती है, जो सीधे लाभप्रदता को प्रभावित करती है।

कृपया ध्यान रखें कि बेटिंग कंपनियों के पास बहुत परिष्कृत प्रेडिक्टिव मॉडल बनाने और बनाए रखने के लिए पूरी टीमें होती हैं, जो अधिकांश मामलों में मेरे जैसे सरल मॉडल को संभवतः मात दे देंगी।

टिपिंग प्रतियोगिता में

उद्देश्य प्रत्येक मैच के नतीजे का सटीक अनुमान लगाना है। प्रतिभागी हर सही भविष्यवाणी के लिए अंक अर्जित करते हैं, लक्ष्य कई मैचों में सबसे अधिक अंक जुटाना होता है। इस परिदृश्य में समग्र एक्युरेसी अधिक महत्वपूर्ण है क्योंकि यह मापता है कि आपकी भविष्यवाणियाँ कितनी बार सही हैं, जो आपके कुल स्कोर को प्रभावित करता है।

ड्रा की भविष्यवाणी, दोनों मापों के बीच संभावित विसंगति का एक उत्कृष्ट उदाहरण है। प्रशिक्षण डेटा में केवल लगभग 20% मैच ड्रा पर समाप्त हुए, जिससे अधिकांश मॉडल ड्रा की संभावना को कम आँकते हैं और कभी-कभी तो एक भी ड्रा की भविष्यवाणी नहीं करते।

इससे लगभग 80% की उच्च एक्युरेसी दर मिलती है, क्योंकि सभी नॉन-ड्रा सही लेबल हो जाते हैं, लेकिन ड्रा के लिए प्रिसीजन 0 रहती है, क्योंकि किसी भी ड्रा की भविष्यवाणी ड्रा के रूप में नहीं हुई।

मॉडल परफॉर्मेंस के नतीजे

मॉडलों का प्रदर्शन भविष्यवाणी के प्रकार के आधार पर भिन्न रहा:

• नतीजों की भविष्यवाणी
• CatBoost और AdaBoost: ये मॉडल जीत/हार की भविष्यवाणी के लिए सर्वश्रेष्ठ रहे, अधिकतम 72% एक्युरेसी और 70% प्रिसीजन हासिल करते हुए।
• ड्रा के लिए SVC: इस मॉडल ने 79% एक्युरेसी और 47% प्रिसीजन हासिल की—जो आदर्श से काफी दूर है, लेकिन शून्य से शुरू करने की तुलना में उल्लेखनीय सुधार है।
• गोलों की भविष्यवाणी
• CatBoost और Gradient Boosting: ये मॉडल गोलों की भविष्यवाणी के लिए सर्वश्रेष्ठ रहे, न्यूनतम 1.19 गोल का RMSE और अधिकतम 0.23 का R2 स्कोर हासिल करते हुए। यद्यपि ये स्कोर सुधार की काफी गुंजाइश दर्शाते हैं, फिर भी इन्होंने गोल प्रेडिक्शंस के लिए एक ठोस आधार प्रदान किया।

चूँकि अलग-अलग मॉडल उपयोग किए जाते हैं, ऐसे मामले आते हैं जहाँ नतीजे और गोलों की भविष्यवाणियाँ मेल नहीं खातीं। हालाँकि श्रेणीबद्ध और संख्यात्मक स्कोरों की तुलना करना कठिन है, मेरा मानना है कि यह कहना उचित है कि नतीजों की भविष्यवाणियाँ आमतौर पर गोलों की तुलना में बेहतर काम करती हैं, इसलिए असंगति की स्थिति में बाद वाली को पहले वाली के अनुरूप समायोजित किया जाता है।

सभी खेले गए मैचों में गोलों का वितरण

ध्यान देने योग्य है कि मॉडल किसी भी टीम के लिए, किसी भी मैच में, सबसे संभावित गोल संख्या के रूप में विशेष रूप से शून्य, एक और दो पर ही लौटता है। टेस्टिंग डेटा में समग्र गोल वितरण को देखते हुए, यह कोई आश्चर्य की बात नहीं है, लेकिन यह ध्यान में रखना चाहिए कि मॉडल कभी भी बहुत अधिक गोल वाले मैच को संभावित नतीजे के रूप में अपेक्षित नहीं करेगा।

प्रेडिक्शंस इन एक्शन: EURO 2024 पूर्वानुमान

मॉडलों को पहले EURO मैचों पर लागू करने से दिलचस्प नतीजे मिले!

ग्रुप स्टेज

तीन-चौथाई मामलों में, मॉडल ने फेवरिट टीम को विजेता के रूप में भविष्यवाणी की, जबकि शेष तिहाई में अनुमानित नतीजा बुकमेकर्स के फेवरिट्स को प्रतिबिंबित नहीं करता था।

पहली नज़र में यह अनुपात एक अच्छा दाँव लगता है, क्योंकि यह मानना उचित है कि कुछ हैरान करने वाले नतीजे आते ही हैं। लेकिन अब मुश्किल हिस्सा आता है, जो फुटबॉल भविष्यवाणियों में एक सामान्य प्रश्न है—चाहे आप अपनी सूझबूझ से करें या मशीन लर्निंग मॉडल से: अंडरडॉग पर दाँव लगाना कब समझदारी है?

इससे निपटने की एक रणनीति यह है कि केवल और हमेशा फेवरिट पर दाँव लगाएँ। इसका मतलब है कि आप चौंकाने वाले नतीजों के एक हिस्से में गलत हो जाएँगे, लेकिन समग्र रूप से आपकी एक्युरेसी अच्छी रहेगी। अप्रत्याशित नतीजों का भी अनुमान लगाने की कोशिश करना आपके दाँवों की एक्युरेसी को ऑप्टिमाइज़ करने का एकमात्र मौका है, लेकिन यह स्पष्ट रूप से अधिक कठिन और जोखिमभरी रणनीति है।

यदि मान लें कि आश्चर्यों का अनुपात लगभग स्थिर है, तो हर गलती दोगुनी गिनी जाती है—हर ऐसे अनुमानित आश्चर्य के लिए जो सच नहीं हुआ, आप फेवरिट पर दाँव लगाकर एक और चूक कर रहे हैं।

मैंने अधिक जोखिमभरा तरीका चुना, लेकिन अब तक इसका बड़ा फायदा नहीं मिला है। संभावित आश्चर्यों के मामले में मेरा मॉडल काफी बदकिस्मत रहा, जिसके कारण पहले मैचडे के लिए केवल 50% की निराशाजनक एक्युरेसी रही।

उदाहरण के लिए, मॉडल ने भविष्यवाणी की कि इंग्लैंड के खिलाफ सर्बिया और जॉर्जिया—दोनों अंडरडॉग—क्रमशः ड्रा करेंगे और तुर्की के खिलाफ जीतेंगे। हालाँकि, दोनों मामलों में फेवरिट जीते। दूसरी ओर, मॉडल ने वास्तविक आश्चर्यों जैसे बेल्जियम के खिलाफ स्लोवाकिया की जीत, यूक्रेन के खिलाफ रोमानिया की शानदार 3:0 की जीत, और स्लोवेनिया से डेनमार्क के ड्रा की भविष्यवाणी नहीं की।

निम्नलिखित भविष्यवाणियाँ दूसरे मैचडे के बाद की गईं, जब प्रत्येक टीम के लिए एक ग्रुप मैच शेष था। सबसे दिलचस्प ग्रुप—यहाँ तक कि ग्रुप E—के लिए, जहाँ एक मैच शेष रहते सभी टीमों के समान अंक (3) हैं, सबसे चौंकाने वाला नतीजा सामने आता है।

मॉडल के अनुसार, स्लोवाकिया रोमानिया पर 1:0 की जीत के बाद ग्रुप जीतेगा, क्योंकि उन्होंने बेल्जियम को हराया था। इस प्रकार, स्लोवाकिया बड़े ग्रुप फेवरिट को दूसरे स्थान पर धकेल देगा। मॉडल यहाँ तक भविष्यवाणी करता है कि स्लोवाकिया टूर्नामेंट की सबसे बड़ी सरप्राइज़ टीम होगी—ऑस्ट्रिया को हराकर क्वार्टरफाइनल में पहुँचेगी।

नॉकआउट स्टेज

पूरे टूर्नामेंट के पाठ्यक्रम की भविष्यवाणी विशेष रूप से चुनौतीपूर्ण थी, क्योंकि फॉर्मेट में सर्वश्रेष्ठ तीसरे स्थान पर रहने वाली टीमें भी नॉकआउट स्टेज के लिए क्वालिफाई करती हैं। इससे विभिन्न संभावित मुकाबले बने, जो इस पर निर्भर करते हुए और जटिलता जोड़ते हैं कि चार सर्वश्रेष्ठ तीसरे स्थान वाली टीमें किन समूहों से आती हैं। इसलिए निम्नलिखित भविष्यवाणियों को थोड़ी सावधानी के साथ लें—यदि किसी टीम का गोल-अंतर केवल एक गोल से बदल भी जाए, तो मुकाबले पूरी तरह बदल सकते हैं।

K.O. मैच सामान्यतः बहुत कड़े अनुमानित हैं, जहाँ संभावित 1/8 फाइनल में स्पेन की रोमानिया के खिलाफ 2:0 की जीत एकमात्र ऐसा मैच है जिसमें अपेक्षित गोल-अंतर एक से बड़ा है।

इटली के मैच इस निकटता को चरम पर ले जाते हैं, उनके पहले दो K.O. मैचों के लिए ड्रा अनुमानित नतीजे हैं। चूँकि पेनल्टी शूटआउट दुर्लभ हैं और उनके विजेताओं की भविष्यवाणी करने के लिए पर्याप्त डेटा नहीं है, मैंने इटली के अच्छे पेनल्टी रिकॉर्ड की अपनी यादों का सहारा लिया और स्विट्ज़रलैंड और इंग्लैंड के खिलाफ दोनों पेनल्टी शूटआउट जीतने की उम्मीद की।

अंत में, मॉडल स्पेन, पुर्तगाल, नीदरलैंड्स और इटली के सेमीफाइनल में पहुँचने की भविष्यवाणी करता है।

मेरे अनुमानित फाइनल में नीदरलैंड्स और स्पेन हैं, ठीक 2010 की तरह—क्या इतिहास खुद को दोहरा सकता है?

मुख्य सीख

इस प्रोजेक्ट से कई प्रमुख सीख मिलीं:

• फुटबॉल के नतीजे भविष्यवाणी करना चुनौतीपूर्ण लेकिन मजेदार है: फुटबॉल मैचों की उच्च पाथ-निर्भरता और छोटे-छोटे परिस्थितिजन्य घटनाओं का बड़ा प्रभाव, फुटबॉल भविष्यवाणियों को कठिन लेकिन रोचक बनाते हैं।
• वर्कफ़्लो अत्यंत महत्वपूर्ण है: शुरुआत से ही एक सुव्यवस्थित वर्कफ़्लो होना आवश्यक है। डेटा फ्लो और वर्कबुक संरचना की योजना बनाना समय बचा सकता है और साफ-सुथरा, अधिक पठनीय कोड दे सकता है। यह दृष्टिकोण ट्रबलशूटिंग को भी सरल बनाता है और प्रोजेक्ट की समग्र गुणवत्ता बढ़ाता है।

भविष्यवाणियों में सुधार करने और प्रोजेक्ट के दायरे का विस्तार करने के लिए कई कदम उठाए जा सकते हैं:

1. अधिक डेटा: अधिक मैचों को शामिल करना विभिन्न फीचर्स के बीच पैटर्न पहचानने में मदद कर सकता है, जिससे मॉडल की सटीकता बढ़ेगी। बड़ा डेटासेट प्रेडिक्टिव मॉडलों के लिए अधिक व्यापक आधार प्रदान करेगा।
2. अतिरिक्त फीचर्स: नए फीचर्स जोड़ना अधिक अंतर्दृष्टियाँ प्रदान कर सकता है:
• अनुभव: प्रति स्क्वाड खिलाड़ी के अंतरराष्ट्रीय मैचों की औसत संख्या को शामिल करना टीम के अनुभव स्तर का संकेत दे सकता है।
• प्री-मैच ऑड्स: गेम से पहले फेवरिट स्थिति को बुकमेकर वेबसाइटों से डेटा स्क्रैप करके प्रतिबिंबित करना, भविष्यवाणियों में मूल्यवान संदर्भ जोड़ सकता है। हालाँकि, इसमें कुछ सीमाएँ हैं, क्योंकि बेटिंग कोट्स काफी बार बदलते रहते हैं। फिर भी, यह तय करने के सरल विश्लेषण के लिए कि फेवरिट और अंडरडॉग कौन हैं, पर्याप्त होना चाहिए।
3. विस्तारित दृष्टिकोण:
• इन-गेम डेटा: रियल-टाइम मैच आँकड़ों को शामिल करने से भविष्यवाणी की प्रिसीजन में सुधार हो सकता है। पजेशन प्रतिशत, पास एक्युरेसी और खिलाड़ी की मूवमेंट जैसे मीट्रिक्स मैच के दौरान गहरी अंतर्दृष्टियाँ दे सकते हैं।
• प्लेयर डेटा: विस्तृत प्लेयर-विशिष्ट जानकारी, जिसमें व्यक्तिगत प्रदर्शन मीट्रिक्स और फिटनेस स्तर शामिल हैं, मैच के नतीजों में गहरी अंतर्दृष्टि प्रदान कर सकती है।

अधिक विस्तृत जानकारी और कोड के लिए, कृपया प्रोजेक्ट नोटबुक पर जाएँ।

निष्कर्ष

यह ब्लॉग पोस्ट फुटबॉल के नतीजों की भविष्यवाणी में शामिल चुनौतियों और कार्यप्रणालियों का अवलोकन प्रस्तुत करता है, EURO 2024 प्रेडिक्शन प्रोजेक्ट की यात्रा और सीखों को रेखांकित करता है।

डेटा साइंस और स्पोर्ट्स एनालिटिक्स का एकीकरण, इस क्षेत्र के शौकीनों और पेशेवरों दोनों के लिए रोमांचक अवसर प्रदान करता है। जैसे-जैसे प्रोजेक्ट विकसित होता रहेगा, लक्ष्य मॉडलों को परिष्कृत करना और उनके अनुप्रयोग को अन्य टूर्नामेंटों तक विस्तारित करना रहेगा, जिससे स्पोर्ट्स एनालिटिक्स के बढ़ते क्षेत्र में योगदान हो।

यदि आप स्पोर्ट्स एनालिटिक्स के बारे में और सीखना चाहते हैं, तो ये संसाधन आज़मा सकते हैं:

• स्पोर्ट्स एनालिटिक्स: अलग-अलग खेल डेटा एनालिटिक्स का कैसे उपयोग करते हैं
• Python में वर्ल्ड कप डेटा का अन्वेषण
• SQL और Python के साथ ओलंपिक्स डेटा का विश्लेषण | DataCamp
• Python में सुपरबोल विश्लेषण | DataCamp