このデータセットは「ヨーロッパサッカーデータベース」の補足として構築されました。データ辞書を含み、以前はXML列に含まれていた詳細な試合情報を抽出します。内容
- 位置参照.csv：位置x、yの参照情報で、グラウンド内の実際の位置にマッピングします。
- データ辞書.xlsx：「試合」データテーブル内のすべてのXML列のデータ辞書です。
- card_details.csv：「試合」データテーブルの「カード」列から抽出された詳細なXML情報です。
- corner_details.csv：「試合」データテーブルの「コーナー」列から抽出された詳細なXML情報です。
- cross_details.csv：「試合」データテーブルの「クロス」列から抽出された詳細なXML情報です。
- foulcommit_details.csv：「試合」データテーブルの「ファウル犯則」列から抽出された詳細なXML情報です。
- goal_details.csv：「試合」データテーブルの「ゴール」列から抽出された詳細なXML情報です。
- possession_details.csv：「試合」データテーブルの「ポゼッション」列から抽出された詳細なXML情報です。
- shotoff_details.csv：「試合」データテーブルの「オフシュート」列から抽出された詳細なXML情報です。
- shoton_details.csv：「試合」データテーブルの「オンシュート」列から抽出された詳細なXML情報です。
謝辞
元データはユーゴ・マチエン（Hugo Mathien）の「ヨーロッパサッカーデータベース」（European Football Database）[1] から取得しました。私は彼のすべての努力に感謝しています。
インスピレーション
これは具体的な目標のないオープンデータセットです。私はデータ分析/データマイニングを通じて以下の側面を探索したいと思います。
1. チーム統計：チームの総合順位、チームの得点、勝利の可能性、チームの選手構成など、主に記述的分析です。
2. チームの選手移籍追跡：市場でのチームメンバーの移籍を研究します。チームの強みと弱みを研究し、モデルを構築して、チームに最適な選手を推薦します。
3. 選手統計：選手の成績（ゴール、アシスト、クロス、コーナーキック、パス、ブロックなど）を集計します。ポジションに基づいて選手の重要な要素を特定します。これらの要素に基づいて、選手の特性を評価します。
4. 選手の成長：モデルを構築して、選手の将来の評価を予測します。
5. 新選手のテンプレート：若手選手に適したポジションと特性のテンプレートとモデル選手を特定します。
6. 市場価値予測：選手の能力と成績に基づいて、選手の市場価値を予測します。
勝利する11人の選手
シーズン/リーグ/その他の基準に基づいて、選手の能力と成績から、最適な11人の選手をチームとして推薦します。
[1]: https://www.kaggle.com/hugomathien/soccer [2]: https://www.kaggle.com/hugomathien