プロフェッショナルフットボールにおける試合前の戦術的意思決定は、従来、主観的な専門家分析と特定チームへの依存度が高いスカウティングシステムに頼っていました。こうした既存手法は未知のチームへの汎化が困難であるという課題を抱えていました。これに対し、新たに発表されたSim2Winというシステムが、この問題を根本的に解決しようとしています。 Sim2Winは、チーム名や選手IDといったアイデンティティ情報を一切使わずに、試合の勝敗を予測する革新的なアプローチを採用しています。StatsBombのオープンイベントデータを活用し、11の主要リーグから178チーム、1,411のチーム別試合記録を収集。五試合分のローリング戦術プロファイルを構築し、四つの解釈可能な戦術特性比率を設計しました。その後、K-Meansクラスタリングによってチームの行動パターンを八つのプレースタイルに分類し、13個の分類器を訓練して勝利・引き分け・敗北の確率を推定しています。 このシステムの特筆すべき成果は、訓練データに含まれていない完全に未知のチームに対しても、平均ROC-AUC値0.704、平均精度55.4%という優れた予測性能を達成していることです。ELO、Pi-Rating、GAPなどの既存手法と比較すると、21回のROC-AUC比較すべてで上回り、21回の精度比較中19回において優位性を示しました。その中でもCatBoostは60.90%の精度を記録しました。 これらの成果は、チームの具体的な戦術行動パターンという行動的表現が、訓練データの分布外のシナリオでも転移可能な予測シグナルを保持していることを実証しており、従来のチームアイデンティティに依存するフットボール予測システムの有力な代替案となり得ることを示唆しています。