Analyzing Football Tactics through Finishing Sequences Classification

Abstract

This study introduces a robust framework for analyzing and comparing tactical behaviors in football through the clustering of possession sequences and the use of tactical data. Leveraging unsupervised machine learning techniques, possession sequences ending in shots were classified into meaningful clusters, capturing distinct tactical contexts such as counterattacks, long build-ups, and high-pressure recoveries. Principal Component Analysis (PCA) was applied to identify key trends within these clusters, enabling the characterization of team playing styles and facilitating comparisons between teams in various contexts. The analysis demonstrated the capacity of clustering to highlight nuanced tactical differences, revealing that teams tend to adapt their behaviors within specific contexts rather than adhering to rigid tactical profiles. Furthermore, a neural network was trained using tactical data to predict these tactical contexts, achieving moderate success despite data limitations. Results showed that tactical data, while not perfect, are representative enough to discern tactical behaviors, especially when clusters are well-defined and grounded in football semantics. The framework provides practical applications for coaching staff, allowing them to evaluate and compare team strategies, not only between opponents but also within their own team across different periods. This enables insights into tactical evolution and adjustments over time. However, the study also highlights several limitations, including the small dataset size, restricted to one season, and the focus solely on sequences ending in shots. Future research should address these limitations by incorporating more diverse data, refining tactical features, and exploring alternative methodologies.

Aquest estudi introdueix un marc sòlid per analitzar i comparar els comportaments tàctics en el futbol mitjançant l’agrupació de seqüències de possessió i l’ús de dades tàctiques. Utilitzant tècniques d’aprenentatge automàtic no supervisat, s’han classificat les seqüències de possessió que acaben en tir en diferentes tipus, capturant contextos tàctics diferenciats, com ara contraatacs, inicis de joc i recuperacions a prop de l’àrea rival. A més, s’ha aplicat l’anàlisi de components principals (PCA) per identificar tendències clau dins d’aquests grups, permetent caracteritzar els estils de joc dels equips i facilitar les comparacions entre ells en diversos contextos. L’anàlisi ha demostrat la capacitat de l’agrupació per destacar diferències tàctiques subtils, revelant que els equips tendeixen a adaptar els seus comportaments segons el context, més que mantenir-se fidels a un perfil tàctic rígid. També s’ha entrenat una xarxa neuronal amb dades tàctiques per predir aquests contextos tàctics, aconseguint resultats moderadament satisfactoris tot i les limitacions en les dades disponibles. Els resultats mostren que les dades tàctiques, encara que no són perfectes, són suficientment representatives per discernir els comportaments tàctics, especialment quan els grups estan ben definits i arrelats en la semàntica del futbol. Aquest marc ofereix aplicacions pràctiques per al cos tècnic, permetent avaluar i comparar estratègies d’equip, tant entre rivals com dins del propi equip al llarg del temps. Això facilita la comprensió de l’evolució tàctica i els ajustos necessaris. Tot i així, l’estudi destaca diverses limitacions, com la mida reduïda del conjunt de dades, restringit a una temporada, i el fet de centrar-se només en seqüències que acaben en tir. Les investigacions futures haurien d’abordar aquestes limitacions incorporant dades més diverses, perfeccionant les característiques tàctiques i explorant metodologies alternatives.