데이터가 직관을 이기다

발생하지 않던 경기

나는 LAFC 대 플라멘고를 팬이 아니라 실시간 xG, 예측 포인트, 수비 분산을 방정식으로 본 엔지니어였다. LAFC는 작년 서부 챔피언인데 다섯 번째에 머무른다—그들의 힘을 잃어서가 아니라, 모델이 신호를 듣지 않아서 그렇다. 윙어들의 슈팅? 소음이다. 골키퍼의 세이브? 무작위다. 데이터는 거짓말하지 않았다—단지 악성 가중치에 잠혓을 뿐이다. 플라멘고, 반면, 2억1200만 유로 평가의 브라질 거물들은 아름답게 축구를 하는 게 아니다—그들은 137경기에 걸쳐 훈련된 베이지안 강화 루프를 돌린다. 스트라이커? 재능이 아니다—압력 구역의 사후 분포다. 미드필더? 수십 년간 훈련된 동적 가중 조정 알고리즘으로 구성된 고해상 슈팅 맵이다. 이는 누가 골을 넣었는가가 아니라, 왜 골을 넣었는가이다. 나는 예측이 단순한 추측이라고 생각했으나, 데이터에서 노이즈가 신호로 바뀌는 순간을 보았을 때였다.

처음으로 본 알고리즘

GitHub에서 나는 내 모델을 오픈소싱했다: Predictive Pulse v3. 이는 승리를 예측하지 않는다—인과 연쇄를 예측한다. 로스앤젤레스 FC는 별빛에 너무 많은 돈을 쓴 탓에 실패한 게 아니다—분산을 변동성으로 오해하고, 상관성을 인과관계로 혼동했기 때문이다. 플라멘고는 더 나은 선수를 가진 탓에 승리한 게 아니다—코치가 실제 경기 맥락에 뿌리를 내린 의사결정 트리를 모델링했기 때문이다.

골선 뒛 behind 진실

공은 당신이 흑인인지 백인인지, 부자인지 가난뱅이인지 미국인이든 자메이칸인이든 상관하지 않는다. 데이터는 오직 사전 확률이 정확히 설정되고 우도 함수가 현실에 맞춰졌을 때만 관심을 갖는다.. 나는 책상 위에서 베이즈—고양이와 함께 잠으며 이 경기가 마지막 프레임을 돌리는 것을 본다.. 그것도 지켜본다. 데이터는 거짓말하지 않는다—단지 누군가 올바른 질문을 던기를 기다릴 뿐이다.