大数据预测的世界杯冠军是这支球队！你信么？

 编者按：本文来自微信公众号“硅谷密探”（ID：guigudiyixian），36氪经授权转载。

世界杯来啦！相信不少球迷最近都没少熬夜看球，就连小探这种伪球迷，都被世界杯的气氛感染到了。今天咱们就来聊聊本届世界杯里的新玩意儿、新科技。

小探把这些世界杯上的新科技归为两类：视觉辅助一类，数据驱动一类。我们先聊视觉辅助、再聊数据驱动，最后再看看在大数据喂养下的机器学习“神算子”，算出的本次世界杯冠军到底是谁？

视觉助理裁判

视频助理裁判（Video Assisted Referees，简称 VAR）可能是今年世界杯最令人兴奋的部分了！VAR 将在今年的比赛中首次作为裁判的附加助手使用。VAR 技术由一组位于远程视频室的助理人员组成，他们将利用视频技术帮主裁判做决定。

说起这些视频助理裁判，还真是挺 “大牌”，他们只用在可能会决定一场球赛胜负的关键时刻，比如进没进球、要不要红牌罚下之类的。

首先由裁判决定需不需要用 VAR，如果裁判觉得有用 VAR 的必要，VAR 远程协助小组会在场外幕后播放录像，然后会把结果通过裁判戴的耳麦传给裁判。此时裁判有两种选择：如果选择全盘相信 VAR，裁判就直接做决定；如果裁判仍然存疑，则可以自己在球场边再看一遍录像，然后再做决定。

在场边看 VAR 裁判发来的录像

本届世界杯上 VAR 出尽风头、屡屡发威，尤其 6月 22 号巴西对哥斯达黎加的那场比赛，VAR 更是对比赛得分造成了决定性的影响：在主裁判判罚点球后，根据观看 VAR 回放，主裁判又将点球取消—— 这在世界杯可是史无前例！

巴西名将内马尔当时正在尝试踩球过人，遇到哥斯达黎加中卫冈萨雷斯的防守后，两人发生身体接触，内马尔惨叫一声，四脚朝天倒在禁区内动不了了，主裁判因此第一时间判罚点球。

没想到哥斯达黎加球员强烈抗议，主裁判只好走到场边看视频回放。然后没想到的一幕发生了：回到场内后，裁判宣布取消此前的点球判罚！

这是远镜头，的确看不太清：

喏，这是正面镜头，你自己判断到底哥斯达黎加球员的手到底碰没碰到内马尔的球衣、内马尔有没有必要惨叫倒下。

放错了，这个才是：

这可真是人在做，VAR 在看。如果早几十年有 VAR，不知道 1986 年阿根廷对阵英格兰的 “上帝之手”、2002 年韩国世界杯韩国对阵西班牙等比赛的历史，是否会被改写。

那么，VAR 是怎么得到这些图像的呢？这要得益于分布全场的33个摄像头：

图自 FIFA 官网

VAR 的鹰眼系统由英国 Roke Manor Research Limited 研发。33 台广播摄像机里，有 8 台是慢动作摄像机，还有 4 台是超慢动作摄像机。但其实我们看的球赛直播只是 33 台摄像机里的 31 台播的画面，剩下 2 台是 VAR 的专属摄像机，只有 VAR 能看到里面的内容。在淘汰赛阶段，每个球门的后面会再安装两个超慢动作摄像机，这也是只有 VAR 团队才能看的。

有意思的是，根据国际足联规定，慢动作摄像机主要用于关于客观的事实情况的纠纷，比如到底手打到哪儿了；而主观判断—— 比如一个动作到底有多犯规、或者一个手球是不是故意的 ——则只能用正常速度的摄像机。

说完了视觉助理，我们现在来说说本届世界杯的另一个新趋势：数据驱动。

电子体能跟踪器

电子体能跟踪器，又叫 EPTS（Electronic Performance and Tracking Systems）。它能跟踪每名球员的位置、足球的位置，还能和加速度计、心跳监控器等微机电设备一起，尽可能全方位地收集每位球员的体能信息。收集到的信息通过专门的渠道和设备，发给每支球队的技术人员和队医，用以做决策。

这个跟踪器放在什么位置比较好呢？有三种选择，各有利弊：

装在球场高处| 好处是能纵观全局、不会影响球员，而且收集的数据很全面；坏处是有时容易被遮挡物挡住视线，而且组装时间略长；

装在紧邻球场的周围| 比如装在球门附近、球场边沿的白线附近。这种方法收集的数据更全面、更精确，但缺陷是它位置固定，比较死板。

图自 FIFA 官网

装在球员身上| 或者也可以把 GPS 芯片装附着在球衣上。这么做的好处是安装时间短、而且不像前两种需要专人操作，很方便，GPS 芯片把收集到的数据发到卫星上即可。坏处是比赛时其可能对球员产生干扰。

收集这些数据，主要是为了分析球员的表现和体能。有了这两个数据，教练和队医在做 “要不要改变阵型” 或 “要不要把谁换下来、让替补队员上” 之类的重要决定时就不用靠猜的了。不仅如此，电子体能追踪器还能提高效率、减少球员因体力不支而可能产生的伤病。

虽然美国国家队今年没有资格参加本次比赛，但美国足球联合会已经着手为 2022 年卡塔尔世界杯做准备了（巧了！我们中国男足也在为 2022 年卡塔尔世界杯做准备）。

美国足球最近与 GPS 跟踪设备公司 STATSports 签署了价值 15 亿美元的协议，以监测其 400 万注册足球运动员。从青年联赛到国家队，这些球员将用 APEX 运动监控设备，这个设备能追踪一名球员的各种数据：跑步距离、速度、加速度、减速度、负荷和心率等等。

梅西身穿 STATSports 设备

美国能在训练时用这些设备，但不知道这对那些在贫困地区尘土飞扬的小路上踢着矿泉水瓶、怀着足球梦的小孩来说，却未必是个好消息。先进设备固然能大大提升一支球队的表现，但它有可能也让那些来自经济欠发达地区的球队更不容易出头。毕竟不论更先进的 VR 技术、还是强大的数据分析，都需要经济和技术实力做支撑。

通过收集、分析某位球员的数据，我们能对其体能、技巧等有更细节的了解。但要说起对数据的应用，比起只有教练、专业人士才关心的技术分析，更能挑动人神经的恐怕是预测比赛结果。

机器学习预测的比赛结果，能比章鱼准吗？

一直以来为了预测比赛结果，我们可没少费心思。从 14 场比赛正确预测 12 场的章鱼保罗：

到指谁谁害怕的贝利 “乌鸦嘴”：

但说到底，这些所谓 “预测” 几乎就是猜。在机器学习技术迅速发展的今天，用机器学习预测世界杯结果会不会更准确些呢？

《麻省理工科技评论》报道，如果我们用最近几年研发的机器学习技术预测世界杯结果，就很有可能比主要靠猜的传统预测更准确！

科学家们用来预测本届世界杯比赛结果的方法叫 “随机森林方法”（Random Forest approach）。就像树从主干到最末端的小树枝一遍一遍地一分二一样，如果说最终的比赛结果是树最顶端的一颗小树枝，那么树木的每次分叉就对应着一个关键节点（比赛谁输谁赢），而通过参考一组训练数据，机器学习能估计每个分支的潜在发生概率，以 “预测” 出本届世界杯最终获胜的球队。

大多数 “决策树” 在后期都会因为不可靠因素过多而影响决策模拟结果的准确性，这些决策由于不一致和分散的训练数据（training data）而失真，这种现象叫做 “过度拟合”（overfitting）。而 “随机森林方法” 则通过多次计算随机分支的结果来尽量让结果准确。“随机森林方法” 取多次随机决策树的平均值，以此绕过 “过度拟合”。

在这个研究 “到底谁能获胜” 的模型里，有些考量的因素是我们能想到的，比如该球队在国际足联排名、球员平均年龄、球队里有多少名球员在冠军联赛踢球等因素。

除了这些明显对预测结果有帮助的因素，这个模型还包含了一些看似无关紧要的因素，比如国家人口、国内生产总值、甚至包括执教教练的国籍。

该团队模拟了足足 10 万次足球比赛，并根据 2002 年到 2014 年之前所有比赛的成绩（数据可以说是很充分了），使用了三种不同的建模方法。

用这种方式预测出来的本届世界杯冠军是...

西班牙！

根据预测结果，西班牙夺冠的概率是 17.8%。如果说这个概率还不是很 “自信” 的话，这个预测说西班牙能冲进四强的概率则高出不少，足足有 73%！可以说是相当有信心了。

而这个研究对卫冕冠军德国队的预测是：

“能不能闯出小组赛难说，但如果小组赛没被淘汰，德国队进四强的几率高达 58%。”

这让小探想起一周前墨西哥 1-0 击败德国时，不论中外媒体几乎都用了 “爆冷” 这个词，这个结果倒是在一定程度上证明了这项研究有一定的准确性。

好在今天凌晨在德国队 - 瑞典的比赛中，德国战车终于发威 2-1 击败瑞典！这才是德国战车的精神！！！德国球迷的心情终于也阴转晴。

输给墨西哥的德国：

赢了瑞典：

不过按照这种方法计算，中国男足来自一个人口众多的国家（加分）、中国 GDP 也全球第二（加分），但连世界杯的门儿都摸不到... 难道这种模型不适用于中国男足？

当然，或许是中国男足的世界排名太低了，拉了这项预测的后腿。中国男足全球排名低到什么程度了呢？这么说吧，下次你再抱怨网速太慢的时候请牢牢记住，我们的网速世界排名都比国足要高。

话说回来，如果机器学习的预测方法在此次世界杯上被证明很准确的话，恐怕会对赌球行业产生重大影响。小探奉劝大家一句：享受比赛、爱惜钱包、谨慎赌球...

说了这么多，本届世界杯你最看好哪支球队夺冠？欢迎留言讨论！

阿根廷：你们聊你们的，别管我...