开源项目认为扑救成功率影响多大?

wen 开源项目 4

本文目录导读:

开源项目认为扑救成功率影响多大?

  1. 一般结论(足球分析开源社区的普遍观点)
  2. 如果你问的是别的“扑救成功率”

你这个问题信息不太完整,我先按最可能的理解来回答:在足球数据分析/开源项目(如 soccer-analytics、statsbombpy、FBref 爬虫项目、xG 模型项目等)中,“扑救成功率”这个指标被认为对比赛结果/球队成绩的影响有多大?

如果你的意思不是这个,请补充一下“开源项目”具体指哪个项目、以及“影响”的对象是什么(比赛胜负?联赛积分?球员身价?模型预测精度?)。


一般结论(足球分析开源社区的普遍观点)

扑救成功率(Save %)被认为是一个“描述性强、但预测性弱”的指标,影响被普遍低估或被视为噪声较大的变量,原因如下:

对比赛结果的影响:短期大,长期小

  • 单场比赛:门将扑救成功率对结果影响很大(一次关键扑救≈0.3–0.5个预期失球)。
  • 赛季层面:开源项目(如 StatsBomb 社区、FBref 分析)普遍发现,扑救成功率的年际相关性很低(约0.2–0.4),远低于射门转化率等指标,说明它很大程度是运气/样本噪声。
  • 因此很多模型(如基于 xG 的积分预测)不把 Save% 作为核心特征,而用 PSxG±(扑救后预期失球差) 替代。

在 xG 类开源模型中的处理

  • 主流开源 xG 模型(如 socceraction、xA 系列项目)把门将扑救视为二元结果,不直接建模 Save%,而是建模 PSxG(Post-Shot xG)。
  • 社区共识:PSxG-GA(扑救后预期失球减实际失球) 比 Save% 更能稳定衡量门将能力,年际相关性约 0.5–0.6。

对球队成绩的量化影响(开源分析常见估计)

  • 顶级门将 vs 平均门将,一个赛季大约值 3–6 个积分(约 0.1–0.15 分/场)。
  • 换算成“扑救成功率”:Save% 每高 5 个百分点,粗略对应每赛季少丢 4–7 球,约 2–4 个积分。
  • 但这个效应远小于进攻端(xG 创造)和整体防守结构的影响。

为什么开源项目“认为影响不大”

  • 样本量小:一门将一赛季面对约 100–150 次射正,Save% 的标准误约 ±3–4 个百分点。
  • 可复现性差:不同项目对“扑救”定义不同(是否含点球、是否含挡出但未控住)。
  • 被 xG 吸收:一旦控制射门质量(PSxG),Save% 的增量解释力很小。

如果你问的是别的“扑救成功率”

  • 冰球(goalie save %):开源 hockey-analytics 社区认为影响比足球大,年际相关性约 0.6–0.7,顶级门将值 5–8 个胜场。
  • 手球/水球:类似足球,描述性强、预测性弱。

请确认一下:

  1. 你指的“开源项目”是哪个(socceraction?FBref 分析?某个 xG 模型仓库?)
  2. “影响”是对比赛结果、球员评价还是模型预测精度?

我可以据此给出更精确的、带具体项目结论的回答。

友情链接

欧易欧易欧易欧易欧易欧易欧易欧易欧易欧易欧易欧易欧易欧易欧易欧易欧易欧易

抱歉,评论功能暂时关闭!

友情链接攻略窝 · 礼包窝 · 配置窝 · 换算窝 · 算法窝 · 查文窝 · 手册窝 · 问答窝 · 全文搜 · 手册库
相关站点礼包窝 · 查文窝