# Capturing Momentum: Tennis Match Analysis Using Machine Learning and Time Series Theory

**Authors:** Jingdi Lei, Tianqi Kang, Yuluan Cao, Shiwei Ren  
**arXiv:** [2404.13300](https://arxiv.org/abs/2404.13300)  
**Date:** 2024-04-20  
**Summary page:** https://www.summarizepaper.com/fr/paper/2404.13300v1/

## Key points

- Analyse de l'élan des matchs de tennis en utilisant des techniques de machine learning et de théorie des séries temporelles.
- Objectif : Analyser la performance des joueurs en se basant sur les statistiques techniques pour prédire le résultat des matchs sportifs.
- Utilisation de modèles markoviens cachés pour prédire l'élan (performance des joueurs).
- Confirmation de la signification de l'élan avec Xgboost.
- Évaluation de la performance du modèle avec LightGBM.
- Identification des points clés influençant la performance des joueurs grâce au classement d'importance des caractéristiques SHAP et une analyse pondérée.

## Summary

Ce document présente une analyse sur l'élan des matchs de tennis en utilisant des techniques de machine learning et de théorie des séries temporelles. Cette étude menée par Jingdi Lei, Tianqi Kang, Yuluan Cao et Shiwei Ren a pour objectif d'analyser la performance des joueurs en se basant sur les statistiques techniques afin de construire un système permettant de prédire le résultat des matchs sportifs. Les auteurs ont utilisé des modèles markoviens cachés pour prédire l'élan, défini comme la performance des joueurs. Ensuite, ils ont utilisé Xgboost pour confirmer la signification de l'élan. Enfin, ils ont évalué la performance de leur modèle avec LightGBM et ont identifié les points clés qui influent sur la performance des joueurs grâce au classement d'importance des caractéristiques SHAP ainsi qu'une analyse pondérée.