Construye la ocasión.

Qué significa el número

Una estimación de 0,20 xG representa aproximadamente 20 goles en 100 remates comparables según este modelo. No es una probabilidad exacta para un jugador concreto. Aquí, la escena inventada simplifica el contexto real.

Fuente y población

Usamos StatsBomb Open Data con resultados observados de gol y no gol; el xG de la fuente nunca es la variable objetivo. La población consiste en remates con el pie de fútbol masculino en juego abierto. Los cabezazos, penaltis y otras situaciones se excluyen del entrenamiento. Los fotogramas de eventos son la observación principal; disponer de datos 360 opcionales no garantiza que todos los defensores sean visibles. Se excluyen casos sin portero visible y casos singulares en la línea de gol, sin imputación.

Ocho variables posicionales

La geometría describe la ocasión; los recuentos y las distancias describen a los rivales observados. El cono es el triángulo finito entre el remate y los postes. Las posiciones usan metros, independientemente del SVG. Sin defensores, la distancia usa la diagonal del campo como valor centinela junto al recuento explícito. Se omiten otros atacantes, identidad, pie preferido, técnica, velocidad y contexto temporal.

Entrenamiento, selección y congelación

Los partidos completos se separan en entrenamiento, calibración, selección y prueba, evitando eventos del mismo partido en distintos grupos. La búsqueda acotada usa cinco particiones solo en entrenamiento; el escalado logístico se ajusta dentro de cada partición. Tres regresiones logísticas aíslan geometría, defensores y todas las variables. XGBoost con árboles poco profundos prueba interacciones no lineales. No hay balanceo de clases ni reajuste después de la selección.

La regla declarada seleccionó XGBoost usando el rendimiento observado y el límite de deterioro de Brier para favorecer la simplicidad. Los intervalos de selección no establecieron una superioridad concluyente. La calibración sigmoide no cumplió los criterios de adopción. Congelar significa fijar variables, preprocesamiento, árboles y calibración antes de abrir la prueba final; la interfaz solo ejecuta esos parámetros.

XGBoost

300 árboles · profundidad 2 · tasa de aprendizaje 0,05 · peso mínimo del nodo hijo 5

Calibración

Sin recalibración (identidad)

Validación y prueba final

Log loss penaliza probabilidades incorrectas expresadas con mucha confianza; Brier mide el error cuadrático de probabilidad. Menor es mejor. La selección elige el modelo; la prueba final evalúa el modelo ya fijado y no se usó para reajustarlo. Los intervalos del 95% remuestrean partidos completos, conservando la dependencia entre remates.

Selección — no la prueba final

Prueba final reservada hasta la congelación

Diferencias pareadas en la prueba final

XGBoost menos referencia: los valores negativos favorecen a XGBoost. Los intervalos globales favorecen al candidato en esta prueba; esto no garantiza ventaja en cada subgrupo ni transferencia a otras competiciones o escenas.

Calibración y muestras escasas

La diagonal representa el acuerdo entre la media predicha y la frecuencia observada. Las barras muestran intervalos del 95% de la frecuencia observada basados en partidos; los puntos huecos indican rangos con pocos ejemplos. Ningún rango con datos suficientes fue señalado, pero los rangos de alta probabilidad tienen pocos ejemplos y no permiten afirmar precisión en escenas extremas.

También importa el subgrupo desfavorable

Con dos defensores dentro del cono, XGBoost fue peor que la regresión logística completa en esta prueba. Esto se refiere al recuento en el cono, no al total en el campo. Este resultado permanece visible; los promedios globales no borran los fallos locales.

Remates: 815 · Datos suficientes

Escenas ilustrativas y transferencia

La referencia descriptiva usa vecinos en variables estandarizadas solo con entrenamiento, con un umbral del 99% y un grupo separado sin defensores. No publicamos filas de referencia, por lo que la interfaz no calcula el respaldo conjunto de los datos para cada edición. Cuatro situaciones iniciales de juego abierto quedan fuera de esta referencia; estar dentro tampoco demuestra realismo. Las escenas raras siguen siendo explorables. Las comparaciones no son efectos causales; la visibilidad parcial, los pocos defensores y otros dominios limitan la interpretación.

Ejecución y reproducción

TypeScript extrae las mismas ocho variables que el proceso de Python. El cargador valida y conserva parámetros inmutables; XGBoost mantiene comparaciones y acumulación float32 con tolerancia de 1e-7. Los árboles pueden mantener el resultado tras pequeños movimientos. Las entradas inválidas o los modelos no disponibles no reciben una heurística alternativa. Los penaltis usan la convención fija de 0,76, separada del modelo aprendido.

La revisión científica se aceptó con limitaciones y se revisó la distribución del archivo exacto para el uso gratuito y no comercial. El estado automático original sigue siendo «requiere revisión»; la revisión no autoriza la publicación. El entrenamiento privado y la reproducción completa se ejecutaron y reportaron localmente. Se revisaron los agregados y controles sin volver a ejecutar los datos privados.