DanielRegaladoCardoso/player-value-features

该数据集名为球员价值特征，是一个用于预测Transfermarkt球员市场价值的工程化特征数据集。它基于Kaggle上的player-scores数据源（CC0许可证），包含约507,000条历史估值记录，覆盖约31,000名球员，时间范围为2000年至2026年。数据集还整合了辅助数据，如188万次球员比赛出场、8.8万场比赛、4万次转会事件和126万次进球/红黄牌/换人事件。每个观测行对应一个球员ID和截至日期，包含92个工程化特征，分为10个主题组：滞后/轨迹特征、绝对表现特征、与球队对比表现特征、与位置对比表现特征、竞争层级加权特征、球员静态特征、职业生涯/转会特征、时间特征、年龄与位置交互特征以及xG/射门质量代理特征。目标变量是未来约6个月后球员市场价值的对数比率。数据划分采用时间顺序，分为训练集（2000年至2022年12月31日）、验证集（2023年）和测试集（2024年及以后），确保无未来信息泄露。该数据集适用于表格回归任务，主要用于足球球员价值预测。--- 许可协议：Apache-2.0 语言：英语 样本规模：10万 < 样本量 < 100万 任务类别：表格回归 标签：足球、英式足球、预测、表格数据、转会市场（Transfermarkt）、时间序列 --- # player-value-features 用于提前6个月预测转会市场球员身价的工程构造特征数据集，为`player-value-ml`的配套数据集（配套仓库链接：[player-value-ml](https://github.com/DanielRegaladoUMiami/player-value-ml)）。 ## 数据来源 - **原始数据源**：Kaggle平台上的`davidcariboo/player-scores`数据集（知识共享CC0协议），包含2000年至2026年间约3.1万名球员的50.7万条历史转会市场身价估值记录。 - **辅助数据**：包含188万条球员出场记录、8.8万场比赛数据、4万条转会记录、126万条进球/黄牌/换人事件记录以及4.7万份球员个人档案。 ## 数据集结构 | 数据集划分 | 样本量 | 时间范围 | |-------|---------|--------------------| | 训练集 | 422,838 | 2000年 – 2022年12月31日 | | 验证集 | 28,491 | 2023年 | | 测试集 | 23,876 | 2024年及以上 | 每一行代表一条`(球员ID, 统计截至日期)`观测样本，包含10个主题组（A至J）共计92项工程构造特征。目标变量为： y_log_ratio = log(value_{T+next} / value_T) 其中`T+next`指球员下一次被记录的身价估值时间（平均间隔约6个月）。 ## 特征主题组（概览） | 组别 | 主题 | 示例特征 | |-------|--------------------------------|-------------------------------------------------| | A | 滞后项与表现轨迹 | `value_lag_1..5`、`value_diff_1..3` | | B | 绝对竞技表现 | `goals_6mo`、`minutes_played_12mo` | | C | 队内竞技表现 | `goal_share_team_6mo` | | D | 同位置竞技对比 | `goals_6mo_zscore_vs_pos` | | E | 赛事层级加权表现 | `weighted_goals_6mo`（英超赛事权重高于美职联） | | F | 球员静态属性 | `age`、`position`、`foot`、`height_in_cm` | | G | 职业生涯与转会数据 | `transfers_to_date`、`last_transfer_fee_eur` | | H | 时间维度特征 | `as_of_year`、`is_summer_window` | | I | 年龄×位置交互特征 | `age_minus_position_peak` | | J | 预期进球/射门质量代理指标 | `chance_quality_index_6mo` | 所有特征仅基于**统计截至日期之前**的公开信息计算得到，无未来信息泄露问题。 ## 可复现性 python from datasets import load_dataset ds = load_dataset("DanielRegaladoCardoso/player-value-features") print(ds) ## 划分方法 本次数据集划分采用**时间序划分**，而非随机划分。单个球员可能出现在多个划分集中（其职业生涯跨越了划分时间节点）。本次划分的核心保证为：后序划分集中的样本不会用于计算先序划分集的特征。 ## 许可协议 本数据集采用Apache 2.0许可协议。通过Kaggle获取的原始转会市场（Transfermarkt）数据采用CC0协议。 ## 引用格式 bibtex @misc{regalado2026playervalue, author = {Daniel Regalado}, title = {player-value-features: engineered tabular features for forecasting football player market values}, year = {2026}, url = {https://huggingface.co/datasets/DanielRegaladoCardoso/player-value-features} }