基于以下文章和chatgpt3.5翻译：Soccerment's Advanced Metrics | Soccerment Research
不是新文章，所列数据多基于2020-21赛季。
在像足球这样得分较低的体育项目中，评估球员表现很容易被诸如进球等宝贵事件的罕见发生所偏见。我们都熟悉这样的情况：一个球员连续进球，立刻引起球迷和媒体的广泛关注，但几周后却被遗忘在一旁，因为他的进攻陷入了干旱期。足球表现的话语通常非常不稳定，评判的转折和变化发生在忙碌的步调中，基于一些罕见、有点随机的结果。
因此很容易看出，像教练或体育总监这样的足球管理职位的人需要用尽可能客观和强大的绩效指标来决策。例如，在决定签约新前锋时，经理们会非常希望避免签约所谓的“一季度神话”，即上个赛季表现出色而惊人的球员，但在更长时间内他们的水平却大幅下降。球员进球多是因为他们经常处于危险情况下吗？还是他们主要尝试不太可能进球的射门，其中比平均水平更高的数量恰巧因为足球中充满了一定的运气而找到了网？
足球分析旨在缓解这些问题，利用详细的事件数据为比赛中的所有球员行动提供位置和上下文信息。我们可以将机器学习方法应用于这些拥有数百万数据点的大型数据集中，从而推导出将二元结果（如进球和助攻）转化为概率的统计模型，当正确解释和组合时，提供更客观的绩效度量。
评论列表