Cartola PFC — Analisando os atacantes do primeiro turno com Affinity Propagation

Henrique Gomide
Sep 21 · 6 min read

Acabou o primeiro turno do Brasileirão deste ano. Com isso temos dados de 19 rodadas para analisar o desempenho dos atletas. Escalar jogadores no Cartola é sempre um desafio de minimizar os riscos.

Cartoleiros letrados e numerados sempre começam a montar times olhando para as médias da temporada e estimando a probabilidade de vitória nos confrontos. Cartoleiros doutos também olham métricas mais refinadas tais como média em casa/fora, quantidade de chutes a gol, impedimentos, número de falta. Parte destas métricas estão disponíveis no CartolaPFC.

Com o aumento do número das métricas, maior a dificuldade de separar o joio do trigo. Certo?

Neste tutorial, iremos tentar responder a pergunta usando um conjunto de técnicas bastante utilizadas entre cientistas de dados para tentar responder a seguinte questão.

É possível agrupar jogadores com estatísticas semelhantes no Cartola?

Metodologia

Para responder a esta questão, usaremos uma técnica de agrupamento conhecida por escalonamento multidimensional. De maneira resumida, representaremos objetos (jogadores) com atributos multidimensionais (métricas) numa matriz de dimensões reduzidas. Objetos com características mais semelhantes, estarão mais próximos. Isto é, combinar várias métricas dos jogadores do cartola num gráfico com dois eixos apenas e aqueles jogadores que possuírem características mais próximas estarão mais próximos uns dos outros.

Além de agrupar os jogadores com métricas similares, aplicaremos um algoritmo de agrupamento conhecido como Agrupamento por Propagação de Afinidade (do inglês, Affinity Propagation). Diferente de métodos clássicos de agrupamento como k-médias e k-medoids, o algoritmo de propagação por afinidade não requer que o número de agrupamentos seja definido de antemão. Este algoritmo foi publicado na revista Science em 2007 (Olhe as referências para satisfazer sua curiosidade).

Análise de agrupamentos

Bem, primeiro vamos aos dados do Cartola. Em parceria com Arnaldo Gualberto, eu organizo estatísticas do Cartola no repositório do Github caRtola. Nele você encontra dados e estatísticas de 2014 até 2019. Neste tutorial, aproveitaremos uma base com estatísticas agregadas de 2019 — atualizada toda rodada!

Vamos aproveitar a leitura e ver quais dados o arquivo nos fornece.

data_url <- "https://raw.githubusercontent.com/henriquepgomide/caRtola/master/data/2019/2019-medias-jogadores.csv"
cartola <- read.csv(data_url,
stringsAsFactors = FALSE)
view_df(cartola)

Uma breve descrição das métricas. Temos apelido, código do time, e as médias acumuladas para quase todos os scouts do Cartola. Além disso, temos a média acumulada em casa/fora, a diferença entre as médias casa/fora padronizadas (diff_home_away_s), número de jogos na temporada entre outros.

Antes de iniciar de aplicar as técnicas de agrupamento, vamos preparar um pouco o banco de dados para conduzir as análise. A limpeza incluí: selecionar jogadores com no mínimo 10 jogos na temporada (estamos na 19 rodada no momento deste tutorial). Também, iremos nos concentrar apenas nos atacantes. Nos próximos posts iremos nos debruçar sobre os dados de outras posições.

cartola <- 
cartola %>%
filter(n_games >= 10 &
player_position %in% c("ata"))

Quais métricas estão associados com melhores médias?

Antes de começar nossa análise de agrupamentos, nada melhor que conhecer nossos dados um pouco melhor. O que será que está mais correlacionado com a pontuação dos meias e atacantes?

# Selecionar variáveis de interesse para análise de agrupamentodata <-  cartola[, c("score_mean", "diff_home_away_s", "score_mean_away", "shots_x_mean", "fouls_mean",  "RB_mean",  "PE_mean", "A_mean", "I_mean", "FS_mean")] names(data) <- gsub("_mean", "", names(data))
data <- dummify(data)
# Plotar matriz de correlação
ggcorr(data, geom = "blank", label = TRUE, hjust = 0.75) +
geom_point(size = 10, aes(color = coefficient > 0, alpha = abs(coefficient) > 0.5)) +
scale_alpha_manual(values = c("TRUE" = 0.25, "FALSE" = 0)) +
guides(color = FALSE, alpha = FALSE)

Percebemos que as variáveis mais associadas à pontuação são: média de pontos em casa, média fora, média de gols e média de chutes esperados. As outras métricas possuem associação fraca.

Análise de agrupamentos

# Criar matriz com escalonamento multidimensional
mds <-
data %>%
dist() %>%
cmdscale() %>%
as_tibble(.name_repair = "unique")
colnames(mds) <- c("Dim.1", "Dim.2")

# Preparar dados para algoritmo de propagação por afinidade.
datacluster <- dist(data)
datacluster <- as.matrix(datacluster)
apmodel <- apcluster(negDistMat(r = 2), datacluster)
mds$cluster <- as.factor(apcluster::labels(apmodel, type = "enum"))
# Plotar scatter
ggscatter(mds,
x = "Dim.1",
y = "Dim.2",
label = cartola$player_nickname,
color = "cluster",
palette = "lancet",
font.label = c(7, "plain", "black"),
size = 1,
ellipse = TRUE,
ellipse.type = "convex",
repel = TRUE) +
theme(legend.position = "none")

Análise

Hoje tem gol, sabe de quem?

Ao analisar a figura acima, podemos perceber os agrupamentos criados pelo algoritmo. Temos ao total 9 agrupamentos de atacantes. O mais distante de todos, possui apenas uma observação. Gabigol é o nome da fera. As estatísticas do atacante de gol são semelhantes a dupla CR7 e Messi.

Deixando nosso outlier de lado, vamos aproveitar para interpretar o que seriam estas duas dimensões. Se Gabigol está distante, já podemos concluir que a primeira dimensão está ligada à pontuação do cartola. Vamos aproveitar e tentar identificar o que faz Bruno Henrique (Flamengo), Pedro (Fluminense) e Wellignton Silva estarem em extremos na segunda dimensão.

tb <- 
cartola %>%
filter(player_slug %in% c("bruno-henrique", "pedro", "wellington-silva") &
score_mean > 2) %>%
select(player_slug, score_mean, diff_home_away_s,
score_mean_home, score_mean_away, shots_x_mean,
G_mean)
plot <- tb[, -1]
row.names(plot) <- tb$player_slug

ggballoonplot(plot, fill = "value") +
gradient_fill(c(brewer.pal(n = 3, name = "YlGnBu")))

Aparentemente já conseguimos entender as duas dimensões. Enquanto o eixo ‘x’ é ligado à quantidade de pontos, o ‘y’ está ligado a diferença da pontuação entre a média dentro e fora de casa. Pedro e Wellington Silva estão no topo e são jogadores que possuem média maior fora de casa do que dentro. Bruno Henrique, embora seja um grande pontuador dentro de casa, tem um desempenho ruim fora. Por isso fica na parte inferior do gráfico.

Interpretando os grupos de jogadores

Próximo passo? Identificar características comuns entre agrupamentos de jogadores. Da direita em direção à esquerda, depois do ponto fora da curva temo (em cinza claro): Gilberto, Sasha, Everton, Bruno Henrique e Everaldo. Vamos olhar as características de cada um e tentar identificar porque Sasha e Everton estão tão próximos.

tb <- 
cartola %>%
filter(player_slug %in% c("eduardo-sasha", "gilberto", "everton",
"pedro", "bruno-henrique", "everaldo") &
score_mean > 4) %>%
select(player_slug, diff_home_away_s,
shots_x_mean, fouls_mean, RB_mean,
G_mean, A_mean) %>%
arrange(desc(RB_mean))

plot <- tb[, -1]
row.names(plot) <- tb$player_slug
ggballoonplot(plot, fill = "value") +
gradient_fill(c(brewer.pal(n = 3, name = "YlGnBu")))

Neste primeiro agrupamento é possível observar que os jogadores possuem como característica comum a média de pontos do cartola. Pedro distoa do grupo por ser um jogador que possui média fora de casa maior que dentro (diff_home_away < 0)). Sasha e Everton possuem métricas semelhantes na quantidade de pontos, quantidade de chutes, roubadas de bola e médias de gols.

E o Kiko?

Escalonamento multidimensioal, matriz de similaridade, affinity propagation? E eu com isso?

E o que você pode fazer com isso tudo de informação? Talvez ainda não tenha sido totalmente claro, mas esse tipo de análise pode ser útil para escalar jogadores. Só ao olhar o gráfico dos atacantes, já temos noção de alguns grupos de jogadores que possuem pontuação e características distintas.

Por enquanto, é escalar Gabigol e escolher jogadores dos agrupamentos que possuem confrontos mais fáceis e considerar se os jogos serão em casa ou fora. No final, a sabedoria de minimizar os riscos de escolha cabe a você analista.

Times de futebol podem usar estas mesmas estratégias para encontrar jogadores semelhantes para reduzir a perda de química dentro de um time e encontrar talentos que fogem aos métodos tradicionais dos olheiros. Naturalmente, as métricas devem ser mais elaboradas e fogem do escopo dos dados do cartola.

Quer ver uma análise semelhante para outras posições? Comente aqui.

H.G. — Cartola PFC

Pacotes da sessãolibrary(RCurl)
library(tidyverse)
library(GGally)
library(cluster)
library(ggpubr)
library(RColorBrewer)
library(spatstat)
library(apcluster)
library(sjPlot)

Dedicação do Post

Dedico esta postagem ao cientista Ivan José, que usa processamento natural da linguagem e técnicas de mineração do texto para avaliar tendências tecnológicas em patentes. Sem a participação em sua pesquisa, este post seria impossível. Saudações ao futuro Ph.D!

Ensina.AI

Tudo sobre Inteligência Artificial em Português

Henrique Gomide

Written by

Data scientist and pseudo-developer. Trying to make sense of the world through Philosophy and Science.

Ensina.AI

Ensina.AI

Tudo sobre Inteligência Artificial em Português

Welcome to a place where words matter. On Medium, smart voices and original ideas take center stage - with no ads in sight. Watch
Follow all the topics you care about, and we’ll deliver the best stories for you to your homepage and inbox. Explore
Get unlimited access to the best stories on Medium — and support writers while you’re at it. Just $5/month. Upgrade