Почему модели xG дают разные числа: признаки, обучение и проверка

Почему разные числа возможны

xG — результат конкретной модели и её данных. В опубликованном исследовании пяти европейских лиг сезона 2017/18 использованы события Wyscout; позиционный трекинг был недоступен. Поэтому модель не могла учитывать все признаки, доступные исследованиям с координатами игроков. Статья PLOS ONE: метод и результаты.

Как проверяли модель

Авторы подготовили 20 признаков, разделили данные на обучающую и тестовую части 70/30 с сохранением доли голов и неудачных попыток. Они сравнивали несколько алгоритмов и оценивали вероятностные прогнозы через log loss. Важен не только итоговый xG, но и результат проверки на данных вне обучения.

В работе лучший алгоритм различался между лигами. Это не даёт основания объявить один способ моделирования универсально верным.

Проверяемый пример

Условная модель А оценила два удара как 0,10 и 0,30: сумма xG равна 0,40. Условная модель Б дала 0,15 и 0,35: сумма 0,50. Расхождение — 0,10 ожидаемого гола.

Из этих двух сумм нельзя узнать, какая модель лучше. Для проверки понадобятся реальные исходы большой независимой выборки и заранее выбранная метрика качества. Числа примера придуманы только для арифметического объяснения, а не приписаны провайдеру или матчу.

Пределы интерпретации

Выводы исследования относятся к его лигам, сезону, набору признаков и процедуре проверки. Мы разбираем работу авторов и не заявляем об обучении собственной модели. Различие xG не обязательно является ошибкой; сначала сравнивают определения событий и доступные данные.

Начать можно с xG простыми словами и пределов статистики матча.

Паспорт проверки модели: что должно совпасть

Для объединённой выборки авторы приводят у настроенного XGBoost log loss 0,28184, Brier score 0,07908 и AUC ROC 0,8. Это три разных показателя одной проверки, не значения xG отдельного удара. Метод и результаты PLOS ONE, разделы проверки и сравнения с опубликованными моделями; перепроверено 8 октября 2026 года.

Учебный тест на двух ударах

Суммы остаются 0,40 и 0,50, но теперь можно показать смысл проверки. Для этих придуманных двух наблюдений Brier score — среднее квадратов ошибок вероятности:

• A: ((0,10 − 0)² + (0,30 − 1)²) / 2 = 0,25.
• B: ((0,15 − 0)² + (0,35 − 1)²) / 2 = 0,2225.

На этом примере B даёт меньшую ошибку. Из двух ударов всё ещё нельзя делать вывод о качестве провайдера: измените исход второго удара на 0, и сравнение будет иным. Если заранее выбрать лишь удачные эпизоды, тест перестанет быть независимым.

Читателю полезно сохранять название модели вместе с цифрой, а при сравнении сезонов — её редакцию и охват данных. Для разбора матча сначала прочитайте xG простыми словами; для трудностей сравнения игроков — дистанцию по позициям. Эти вопросы нельзя решить одной красивой общей суммой.