APLICAÇÃO DE MÉTODOS BASEADOS EM CONCEPT DRIFT PARA PREVISÃO DE GOLS NO FUTEBOL PROFISSIONAL

Abstract

This work investigates the application of concept drift detection techniques for the early identification of goals in football matches, using in-match event data. The problem is framed as monitoring distributional changes in pass frequency time series, employing virtual drift operationally, i.e., detection based solely on P(X) without real-time labels, under the premise that such changes precede shifts in goal probability. Robustness is assessed through a temporal split with 190 training and 190 test matches. Data from the 2015/2016 La Liga season: 380 matches aggregated at one-minute intervals were used, with analysis covering both offensive and defensive behavior. Three drift detectors were evaluated (Page-Hinkley, KSWIN, and ADWIN) against deterministic and stochastic baselines, using moving averages of pass frequency as input signal. Evaluation follows an asymmetric variant of SoftED evaluation, which penalizes late alarms through a linearly decreasing scoring function over the window [t−K, t], with K = 10 minutes. Results show that Page-Hinkley achieved the highest MCC among all evaluated detectors, outperforming both baselines; Page-Hinkley and KSWIN yielded equivalent F1, with a marginal advantage for KSWIN. Comparison with a supervised approach from the literature demonstrates that the proposed method, despite being simpler and requiring no labeled data, achieves competitive performance from the very first match. Limitations are discussed, including the use of passes as the sole proxy signal and the restriction to a single season, alongside directions for future work involving multivariate features and longitudinal analysis.

Este trabalho investiga a aplicação de técnicas de detecção de concept drift para a identificação antecipada de gols em partidas de futebol, com base em dados de eventos intra-partida. A abordagem trata o problema como monitoramento de mudanças na distribuição de passes intra-partida, utilizando drift virtual operacionalmente, isto é, detecção baseada exclusivamente em P(X) sem rótulos em tempo real, com a premissa de que essas mudanças precedem alterações na probabilidade de gol. A robustez dos resultados é verificada por divisão temporal com 190 partidas de treino e 190 de teste. Foram utilizados dados da temporada 2015/2016 da La Liga: 380 partidas, agregadas em intervalos de um minuto, com análise tanto do comportamento ofensivo quanto defensivo. Três detectores de drift foram avaliados (Page-Hinkley, KSWIN e ADWIN) em comparação com baselines determinístico e estocástico, utilizando como sinal de entrada médias móveis da frequência de passes. A avaliação adota uma variante assimétrica do SoftED evaluation, que penaliza alarmes tardios por meio de uma função de pontuação linear decrescente na janela [t − K, t], com K = 10 minutos. Os resultados indicam que o Page-Hinkley obteve o maior MCC entre os detectores avaliados, superando ambos os baselines; Page-Hinkley e KSWIN apresentaram F1 equivalentes, com vantagem marginal do KSWIN. A comparação com abordagem supervisionada da literatura evidencia que o método proposto, embora mais simples e sem necessidade de dados rotulados, atinge desempenho competitivo a partir da primeira partida. Discutem-se limitações da abordagem, incluindo o uso de passes como único sinal proxy e a restrição a uma única temporada, além de perspectivas para trabalhos futuros com variáveis multivariadas e análise longitudinal.