Futbolcu Potansiyeli Tahmin Modeli

Scoutium'da her gözlemci, izlediği maçta her oyuncuyu onlarca nitelik üzerinden puanlıyor ve sonunda tek bir nihai karar veriyor: bu oyuncu ortalama mı, öne çıkan mı? Sorun şu ki bu son karar, aynı puan tablosuna bakan iki gözlemcide farklı çıkabiliyor.

Nitelik puanları veri; nihai karar ise yorum. Aradaki ilişkinin ne olduğu - hangi niteliklerin gerçekten "öne çıkan" kararını sürüklediği - hiç ölçülmemişti.

Scoutium'un istediği, gözlemcinin yerine geçecek bir sistem değildi. Aynı puan tablosuna bakıp tutarlı, tekrarlanabilir bir ikinci görüş verecek bir modeldi.

Gözlemci puanlarından nihai potansiyel etiketini tahmin eden bir sınıflandırma modeli geliştirdim.

1. Veriyi oyuncu düzeyine indirdim. Nitelik puanları ve nihai etiketler ayrı tablolardaydı; ikisini birleştirip her satırın bir oyuncu-mevki, her sütunun bir nitelik olduğu bir pivot tablo kurdum. Toplam 10.730 nitelik puanı, 39 nitelik, 10 mevki, 277 oyuncu.
2. Dengesizliği dürüstçe ele aldım. Etiketlerin dağılımı çarpıktı: 255 ortalama, 63 öne çıkan, 4 ortalama altı. Ortalama altı sınıfı tüm verinin yaklaşık %1'i olduğu için modelden çıkarıldı - dört örnekten öğrenilecek bir şey yok ve tutulması sonuçları yanıltırdı.
3. Tek modele güvenmedim. Lojistik regresyon, KNN, rastgele orman, gradyan artırma, XGBoost ve LightGBM'i aynı veride karşılaştırdım. Ölçüm tek bir bölünmeye değil, 10 katlı çapraz doğrulamaya dayandı; doğruluk, kesinlik, duyarlılık, F1 ve ROC-AUC birlikte raporlandı.
4. Dengesiz veride doğru metriği seçtim. Verinin %80'i "ortalama" olduğu için sadece doğruluğa bakmak yanıltıcıydı - hiç düşünmeden "ortalama" diyen bir model bile yüksek doğruluk alır. Bu yüzden asıl ölçüt ROC-AUC oldu: modelin öne çıkan oyuncuyu ortalamadan ayırt etme gücü.

Sonuç: 10 katlı çapraz doğrulamada ROC-AUC 0,86. Model, gözlemcinin yerine geçmiyor; aynı puan tablosuna bakıp tutarlı bir ikinci okuma veriyor. Bir gözlemcinin kararı modelinkinden belirgin şekilde ayrıştığında, bu da kendi başına konuşmaya değer bir sinyal oluyor.

Teknoloji: Python, pandas, scikit-learn, XGBoost, LightGBM; pivot tablo öznitelik kurulumu, LabelEncoder, StandardScaler, 10 katlı çapraz doğrulama.