Är allt över 0,00 godkänt/bra eller? Alldeles för många godkända enligt mig med tanke på hur det faktiskt såg ut på isen.
Ponera att det blir förlust med 7-8 i en match, finns det inte risk då att statistiken kan bli en aning missvisande då gjorda mål ger ett så pass högt game-score?
EDIT: Jag är helt tappad som sagt, både inom statistik och mycket annat. Så jag viftar fritt här nu. 
Kjeppkinesen antar, med endast grundläggande kunskaper i statistik, att det är som med allt statistiskt material. Man måste använda det med omdöme och applicera det i rätt sammanhang. I mitt yrke är såväl kvantitativ som kvalitativ data lika viktig när man formulerar sina slutsatser och rekommendationer. Under min utbildning tryckte man hela tiden på ”data support testers opinion”. Dvs man använder sig av kvantitativ data för att underbygga sin åsikt. Inbillar mig samma sak gäller i det här fallet…? Med risk för att vara helt ute och cykla, men då har jag ju fel bara… 
Helvete, är du också ingenjör lr? Vad bygger du? Ryska rymdfarkoster? escort-robotar?
Men det är bra att det finns lite utrymme för egna åsikter hämtade från magtrakten. Vet annars inte om mitt psyke klarar av att ens hackkycklingar ständigt levererar ett blått värde.
Kjeppkinesen eller så gillar jag att montera ner alla lösningar ingenjörerna kommit fram till med åsikter…
Fyfan, drömjobbet!!
Kjeppkinesen Är allt över 0,00 godkänt/bra eller? Alldeles för många godkända enligt mig med tanke på hur det faktiskt såg ut på isen.
Ponera att det blir förlust med 7-8 i en match, finns det inte risk då att statistiken kan bli en aning missvisande då gjorda mål ger ett så pass högt game-score?
Bra funderingar!
Jag blev själv förvånad när jag såg så många positiva betyg efter en förlust med fyra mål.
Men ja, en förlust med 7-8 kommer ge högre spelarbetyg än en match som förloras med 0-1 (förutom för målvakten såklart).
Jag såg bara andra halvan av första perioden (dåligt tajmat), så kan inte uttala mig så mycket om hur det faktiskt såg ut, men mina tankar kring betygen är bland annat:
Leksand gjorde 4 mål i powerplay (på 4 försök). Alltså påverkade det inte spelarnas plus/minus, och gav inga minuspoäng i deras betyg, som det hade gjort för insläppta mål i lika styrka.
Vi har varit inne på det tidigare, att modellen gynnar offensiva spelare, då det är svårt att hitta tydlig statistik på bra defensiva insatser. Så fyra gjorda mål framåt kommer ge en boost för betygen.
Alltså, hög andel insläppta mål i BP, kombinerat med fyra gjorda mål framåt, resulterade i detta fall till många positiva betyg.
Om vi tar några stickprov:
AJ har en fint betyg vilket verkar rätt med tanke på två första-assist, +2 i plus/minus, blockerat skott och puckvinnande tackling. Hans betyg drogs sedan ner lite av hans negativa corsi, fast inte så mycket med tanke på en diff på bara 3.
Om vi istället kollar på spelare som inte gjorde några poäng så fick Broc högst betyg tack vare +1 i plus/minus, två skott på mål, två blockerade skott och väldigt bra corsi (11 skottfält framåt och endast 5 emot). Han hade dock en utvisning som drog ner hans betyg lite.
Kollar man botten tre, så känns det också rätt i och med att de inte fick med sig några poäng samtidigt som de hade väldigt dålig corsi (CF% runt 30), och Max även med en utvisning.
JPs betyg är intressant tycker jag. 0,27 trots -3 i plus/minus. Det vägs dock upp av hans fina corsi och tre skott på mål.
En slutsats skulle kanske kunna vara att modellen kan väga upp ett dåligt plus/minus om man under matchen har drivit spelet framåt, som alltså resulterar i ett bra corsivärde. Jag tänker att om man över tid ligger på en bra corsinivå så har man även ett vägvinnande spel som i längden, förr eller senare, kommer ge utdelning.
Kjeppkinesen Är allt över 0,00 godkänt/bra eller?
Inte bra, men godkänt, skulle jag nog säga. 0,4 ses som ”Average”, så mellan 0,0 och 0,4 skulle jag säga är någon form av godkänt, men sämre än genomsnittet.
0,0 skulle t.ex. kunna vara att man inte har några poäng, plus/minus noll, inga utvisningsminuter och är inne på lika många skottförsök framåt som bakåt.
Goda nyheter, jag vet nu hur man får tag på positionsdata från shl.se!
Den finns undangömd i deras kod, så man får testa sina “hacking skills” för att få tag på den. 
Nu finns det massor roliga möjligheter, som dock kommer kräva lite tid:
- Skottkarta
- Scoring Chances
- High Damage Scoring Chances
- Expected Goals (xG)
- Ackumulerad skottstatistik under matchens gång
- Ackumulerad xG under matchens gång
Nu har jag skottkarta, ackumulerad skottstatistik, Scoring Chances och High Danger Scoring Chances på plats. Så här ser det ut från senaste matchen mot Leksand:
Hank Riktigt nice!
I kartan över “Shot location” så markeras mål med gula prickar, finns det möjlighet att få gula prickar även i “Shots over time”-grafen? Även HDSC skotten skulle vara nice att få i annan färgton om det är möjligt.
Rent tekniskt så är jag intresserad över hur de data du får ut från shl.se ser ut? Du skrev att “finns undangömd i deras kod, så man får testa sina “hacking skills” för att få tag på den”, så jag gissar att det inte direkt är ett öppet api. 
Tack för er feedback @Ndur och @TheDude, det uppskattas mycket!
Bra tankar från er båda. Jag försöker få till det också. Jag funderade på att skippa “Shots over time” och istället köra endast på en graf över xG. Vad tror ni, vore det intressant med båda?
TheDude hur de data du får ut från shl.se ser ut?
Det är en lång sträng med all information från matchen, i storlektsordningen 75 000 tecken. Exempel:
{“events”:[{“eventId”:-132620,“revision”:1,“hash”:“10369-0.132620”,“channel”:“10369”,“gametime”:“20:00”,“timePeriod”:1200,“gameId”:“10369”,“time”:“1645281042.3094”,“realTime”:“20190914181427”,“period”:3,“class”:“Livefeed_SHL”,“type”:“Livefeed”,“description”:" …
{“eventId”:11,“revision”:2,“hash”:“10369-11”,“channel”:10369,“gametime”:“04:17”,“timePeriod”:257,“gameId”:10369,“realTime”:“20190914152332”,“time”:“1645281042.3194”,“period”:1,“class”:“Penalty”,“type”:“Utvisning”,“description”:“18 A R\u00f6din utvisas 2 min, Slashing”,“extra”:[],“action”:“message”,“source”:“api”,“sourceport”:“80”,“team”:“BIF”,“messagetype”:“all”,“actiontype”:“new”,“teamId”:“1ab8-1ab8bfj7N”,“status”:“new”},{“eventId”:10,“revision”:1,“hash”:“10369-10”,“channel”:10369,“gametime”:“04:16”,“timePeriod”:256,“gameId”:10369,“realTime”:“20190914152327”,“time”:“1645281042.3293”,“period”:1,“class”:“ShotBlocked”,“type”:“Skott”,“description”:“66 A Lindel\u00f6f (t\u00e4ckt av spelare)”,“extra”:[],“action”:“message”,“source”:“api”,“sourceport”:“80”,“team”:“BIF”,“messagetype”:“all”,“actiontype”:“new”,“teamId”:“1ab8-1ab8bfj7N”,“location”:{“x”:165,“y”:-74},“status”:“new”},{“eventId”:9,“revision”:1,“hash”:“10369-9”,“channel”:10369,“gametime”:“04:10”,“timePeriod”:250,“gameId”:10369,“realTime”:“20190914152321”,“time”:“1645281042.3293”
Idag ska jag försöka samla på mig den historiska datan som behövs för att estimera xG. Med tanke på att en grundserien innehåller 364 matcher per säsong, och att jag nog iaf vill ha data från två fulla säsonger, så gissar jag att detta kommer ta hela dagen.
Matchbetyg DIF-LHC:
Betyg finns även för Djurgården via min tweet:
Jämn match under två perioder, sedan spel mot ett mål i sista.
Första- och tredjekedjan får godkänt statistiskt sett. Andra och fjärde helt under isen.
Väldigt tidskrävande, men det tar sig, sakta men säkert. Ett steg till på vägen till att få fram xG.
Nu har jag sammanställt alla skott från säsongen 19/20, och hur stor andel av skotten som blev mål utifrån vart på planen de avlossades. Vid för litet statistiskt underlag så satte jag sannolikheten till 1%. Jag märker dock att jag skulle vilja ha data från några ytterligare säsonger för att få mer säkerhet i siffrorna.
Det stämmer ganska väl med att det är ifrån skottsektorn som de farligste chanserna skapas.
Intressant att LHC denna match inte har något skott på höger backplats men rätt mycket på vänster. Statistiken från senaste matchen visar också att vi behöver någon som går in och grötar framför mål.
Matchbetyg LHC-VLH:
Betyg finns även för Växjö via min tweet:
️
