点を取られた直後、チームは変わるのか
サッカーの試合データを機械学習にかけて、「試合の流れ」の変化を目で見えるようにしました。
データサイエンス演習 Group10「Bravo」の分析デモです。サッカーの知識は必要ありません。
このページの線の意味（これだけ読めばOK）
線の高さ＝機械学習が出す「失点直後である確率」。入力は「直前5分間のプレー（パスの本数・ボールを持つ位置・守備の位置など27項目）」、出力は「そのプレーが点を取られた直後のチームのものである確率（0〜100%）」です。50%より上なら「失点直後らしい」という読み方になります。 機械学習モデル（scikit-learn の勾配ブースティング決定木）は、639回分の失点の「直前5分」と「直後5分」のプレー（27項目）を、どちらの5分か当てる2択の教師あり学習で学んでいます。
線の高さ＝機械学習が出す「失点直後である確率」。入力は「直前5分間のプレー（パスの本数・ボールを持つ位置・守備の位置など27項目）」、出力は「そのプレーが点を取られた直後のチームのものである確率（0〜100%）」です。50%より上なら「失点直後らしい」という読み方になります。 機械学習モデル（scikit-learn の勾配ブースティング決定木）は、639回分の失点の「直前5分」と「直後5分」のプレー（27項目）を、どちらの5分か当てる2択の教師あり学習で学んでいます。
実験1：639回の「点を取られた瞬間」を重ね合わせる
横軸は「点を取られた瞬間」をゼロとした時間。1回ずつはバラバラでも、重ねると何が見えるでしょうか。
本物の失点（639回の平均）
実験2：1試合をそのまま見てみる
実際の試合1つを最初から最後まで判定させました。この2試合は学習に使っていません（初見の試合です）。
正直な注意点：線は点が入っていない時間帯でも大きく揺れます。「攻め込んでボールを持つ」という試合の流れは、
失点がなくても常に生まれたり消えたりしているからです。だから1試合だけを見て結論は出せません。
639回を重ね合わせた実験1こそが、「点を取られた直後、チームは確かに変わる」と言える根拠です。
どうやって作ったか
- データ：StatsBomb社が研究用に公開しているサッカーの試合記録（スペイン1部リーグ 2015-16年、全380試合）。パスやシュートなどの1プレーごとに、時刻と位置が記録されています。
- 学習：失点の「直前5分」と「直後5分」のプレーぶり（27項目の数値）を機械学習モデル（勾配ブースティング：多数の決定木を組み合わせる手法）に見せて、どちらか当てられるように学習させました。
- ヒントで当てるのを防ぐ工夫：①失点直後は必ずキックオフで再開するため、キックオフ絡みのプレーは判定材料から除外。②ゴール後は歓喜などでプレーが中断するため、回数の項目は「実際にボールが動いていた時間あたり」に直して使用。
- 正しさの確認：見分けの正確さは AUC 0.72（1.0=完全に見分けられる、0.5=当てずっぽう）。ランダムな時刻では 0.50（＝当てずっぽうと同じ）。判定に使う試合は、その試合を学習していないモデルで採点しています。
- 「ランダムな時刻」の作り方：ゴールとは無関係の時刻を各試合からランダムに選び、その時刻を「そこで失点が起きたとみなして」本物と全く同じ前後5分の判別を行います。ただし本物の失点と条件を揃えるため、①前後半それぞれの最初と最後の5分は避ける、②実際のゴールの前後6分も避ける、③個数は本物のゴールと同数、というルールで選んでいます（乱数の種は固定してあり、再実行しても同じ結果になります）。