Projeto de analytics esportivo desenvolvido para o portfólio pessoal, demonstrando a construção de um modelo de Expected Goals com o pacote statsbombpy e validação em jogos das cinco grandes ligas europeias (2015-2016). Código completo no repositório xG-StatsBomb-Analysis.

🎯 Objetivo

Quantificar a probabilidade de um chute resultar em gol (xG) com base em variáveis geométricas e contextuais extraídas dos eventos da StatsBomb, oferecendo um pipeline reprodutível da coleta ao deploy do modelo.

🔄 Pipeline

1. Coleta & Limpeza
   data_ingest.py baixa partidas via statsbombpy, normaliza colunas, remove eventos sem coordenadas e gera events.parquet.

2. Feature Engineering

   • Distância e ângulo do chute ao centro do gol.
   • Situação da jogada (bola rolando, pênalti, falta, cabeceio).
   • Posição do goleiro adversário (quando disponível).
   • Minuto da partida e diferença de placar.

3. Modelagem

   Modelo	Ferramentas	AUC ROC*	Log-loss*
   Regressão Logística	scikit-learn	0,73	0,38
   Random Forest	scikit-learn	0,79	0,34
   XGBoost	xgboost	0,82	0,31

   * validação estratificada 70/30, média de 3 execuções.

4. Avaliação Visual
   Heat-maps de xG por zona do campo, curvas ROC e calibration plots para cada modelo, além de tabelas de importância de variáveis (SHAP).

5. Exportação & Deploy
   export_model.py grava artefato .json (XGBoost Booster) e gera endpoint Flask em app.py, pronto para uso via REST.

💡 Resultados em Destaque

• XGBoost superou modelos lineares em +9 pp de AUC, capturando interações não lineares entre ângulo e distância.
• Jogadas de cabeça apresentaram xG 43 % menor, mesmo a curta distância, confirmando estudos prévios sobre dificuldade de cabeceios.
• Mapa de calor evidencia “golden zone” retangular (largura da pequena área até o pênalti) com xG > 0,30 por tentativa.

🚀 Como Rodar

# 1) clonar e instalar dependências
git clone https://github.com/sendaspaulo/xG
cd xG-StatsBomb-Analysis
python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt   # statsbombpy, xgboost, shap...

# 2) baixar dados e preparar parquet (~2 min)
python data_ingest.py

# 3) treinar modelo XGBoost
python train.py --model xgb --epochs 100

# 4) iniciar API de predição
python app.py        # localhost:5000/predict