公开数据集
数据结构 ? 11M
Data Structure ?
* 以上分析是由系统提取分析形成的结果,具体实际数据为准。
README.md
上下文此数据集是作为“`[欧洲足球数据库][1]`”的补充而构建的。它包括数据字典,提取以前包含在XML列中的详细匹配信息。内容-位置参考。csv:位置x、y的参考,并将其映射到球场中的实际位置。-数据字典。xlsx:“匹配”数据表中所有XML列的数据字典。-card\u详细信息。csv:从“匹配”数据表的“卡片”列中提取的详细XML信息。-corner\u详图。csv:从“Match”数据表的“corner”列中提取的详细XML信息。-cross\u详图。csv:从“匹配”数据表的“交叉”列中提取的详细XML信息。-foulcommit\u详图。csv:从“Match”数据表的“foulcommit”列中提取的详细XML信息。-goal\u详细信息。csv:从“匹配”数据表的“目标”列中提取的详细XML信息。-占有权详情。csv:从“匹配”数据表的“占有”列中提取的详细XML信息。-shotoff\u详图。csv:从“匹配”数据表的“shotoffl”列中提取的详细XML信息。-shoton\u详图。csv:从“匹配”数据表的“shoton”列中提取的详细XML信息。致谢原始数据来自于雨果·马蒂恩(Hugo Mathien)的《欧洲足球数据库》(European Football Database)[1])。我个人感谢他所做的一切努力。灵感由于这是一个没有具体目标的开放数据集,我想通过数据分析/数据挖掘来探索以下方面:1。球队统计数据包括球队整体排名、球队得分、获胜可能性、球队阵容等,多为描述性分析。2、团队转移跟踪研究市场上团队成员的转移。研究团队的优势和劣势,构建模型,为团队推荐最适合的球员。3、球员统计汇总球员的表现(进球、助攻、传中、角球、传球、盖帽等)。根据位置确定球员的关键因素。根据这些因素,评估球员的特征。4、玩家进化构建模型预测玩家对未来的评分。5、新球员模板确定适合年轻球员的位置和特点的模板和模型球员。6、市场价值预测根据球员的能力和表现预测球员的市场价值。获胜的11名球员根据赛季/联赛/其他标准,根据他们的能力和表现,推荐最好的11名球员作为一个团队。[1]: https://www.kaggle.com/hugomathien/soccer [2]: https://www.kaggle.com/hugomathien
帕依提提提温馨提示
该数据集正在整理中,为您准备了其他渠道,请您使用
- 分享你的想法
全部内容
数据使用声明:
- 1、该数据来自于互联网数据采集或服务商的提供,本平台为用户提供数据集的展示与浏览。
- 2、本平台仅作为数据集的基本信息展示、包括但不限于图像、文本、视频、音频等文件类型。
- 3、数据集基本信息来自数据原地址或数据提供方提供的信息,如数据集描述中有描述差异,请以数据原地址或服务商原地址为准。
- 1、本站中的所有数据集的版权都归属于原数据发布者或数据提供方所有。
- 1、如您需要转载本站数据,请保留原数据地址及相关版权声明。
- 1、如本站中的部分数据涉及侵权展示,请及时联系本站,我们会安排进行数据下线。