Durante esta semana os he ido explicando las diferentes maneras de representar y extraer información de los grafos de un equipo basado en sus pases con dos enfoques, el nodo como jugador, y el nodo como zona. Pero hay una tercera, una derivada del nodo-zona, los clusters. 
Para los despistados os dejo primero el hilo de los grafos y su explicación bajo el concepto de nodo-jugador:
Y el hilo del nodo-zona. La idea del nodo-zona es dividir el campo en zonas, yo por ejemplo lo hago con varias matrices, una de 5x5 (25 nodos) y otra de 10x5 (50 nodos)
Aquí os dejo un partido y sus dos grafos con ambas matries y el hilo explicativo:
Aquí os dejo un partido y sus dos grafos con ambas matries y el hilo explicativo:
¿Y el nuevo grafo nodo-zona? No usamos ninguna matriz zonal, si no que dejamos que un algoritmo de segmentación, en este caso kmeans, identifique las clusters donde se agrupan los pases. Necesita un parámetro, el número de clusters, y yo lo tengo en 2, 5, 10, 11, 15, 20, 25, 50.
Hay metodología para sacar el número de clusters óptimo, pero a veces nos puede interesar visualizar diferente número para ver cambios. Lo interesante es que esas zonas no las marca el propio equipo y no nuestra manera de dividir el campo.
Veamos por ejemplo un partido, #RealMadrid 2 #Barcelona 0 y el grafo con 5, 10, 20 y 50 clusters y podemos ver el juego por los carriles extremos. las triangulaciones con Vinicius.
Este grafo nos da otra visión al grafo promedio de ese partido:
Aunque difiere menos del zonal pero es menos restrictivo a las zonas y nos puede ayudar a analizar en video al rival.
Así que tenemos 3 maneras de analizar los grafos de un equipo, con sus pros y contras, pero útiles para poder analizar rápidamente muchos partidos y facilitar el análisis posterior y complementario en video.
Y con esta manera de trabajar con el nodo-cluster podríamos calcular métricas asociadas al grafo, distancias, centroides, etc...
Unroll @threadreaderapp
