본 연구는 2000년~2010년까지 총 10시즌의 한국프로농구 정규시즌경기의 경기 자료 데이터를 통하여 한국농구경기의 승·패와 관련된 주요 경기패턴 및 요소를 알아보고자 하는데 그 목적이 있다. 이 연구의 목적을 달성하기 위해 10시즌 동안의 총 2655경기에 대한 경기 자료는 프로농구 A구단에서 제공해준 경기기록과 한국 프로농구연맹 사이트(www. kbl.or.kr)를 통해 공개되는 경기별 종합 기록을 대상으로 하였다. 그리고 이 자료는 전체 시즌, 경기운영제도 변경 전·후, 플레이오프 진출 그룹·미 진출 그룹을 각각 분리하여 코딩하였으며, 이들 자료를 10년간 전체 농구경기의 승·패와 관련된 경기요인과 패턴, 경기운영제도 변화 전·후 그리고 PLAYOFF 진출·미진출 그룹에 따른 승·패와 관련된 경기요인과 패턴 그리고 각 쿼터별 득점 분포에 따른 승·패에 관련된 패턴을 분석하기 위하여 ...
본 연구는 2000년~2010년까지 총 10시즌의 한국프로농구 정규시즌경기의 경기 자료 데이터를 통하여 한국농구경기의 승·패와 관련된 주요 경기패턴 및 요소를 알아보고자 하는데 그 목적이 있다. 이 연구의 목적을 달성하기 위해 10시즌 동안의 총 2655경기에 대한 경기 자료는 프로농구 A구단에서 제공해준 경기기록과 한국 프로농구연맹 사이트(www. kbl.or.kr)를 통해 공개되는 경기별 종합 기록을 대상으로 하였다. 그리고 이 자료는 전체 시즌, 경기운영제도 변경 전·후, 플레이오프 진출 그룹·미 진출 그룹을 각각 분리하여 코딩하였으며, 이들 자료를 10년간 전체 농구경기의 승·패와 관련된 경기요인과 패턴, 경기운영제도 변화 전·후 그리고 PLAYOFF 진출·미진출 그룹에 따른 승·패와 관련된 경기요인과 패턴 그리고 각 쿼터별 득점 분포에 따른 승·패에 관련된 패턴을 분석하기 위하여 데이터마이닝분석 기법의 중 의사결정나무분석 기법에 의해 분석되었다. 의사결정나무 분석은 SPSS clementine 11.1을 통하여 분석되었으며, 의사결정나무 분석 기법에 사용된 algorithm은 CART(Classification and regression tree)를 사용하였다. 의사결정나무 분석에 들어가기에 앞서 변수 선택 방법은 clementine의 Feature selection을 사용하였으며, 변수 선택 기준은 최대 결측치 비율 70%, 변수의 중요도 .95이상인 변수를 선택하도록 설정하였다. 그리고 CART algorithm 분석방법은 launch interactive session mode로 설정하였으며, 최대 가지 깊이는 8, 분리기준 및 정지기준에 대한 부분으로 불순도에 대한 최소변화를 .0001 설정하였으며, 목표변수에 대한 불순도는 Gini 계수를 사용하였다. 나머지는 설정에 대한 사항은 clementine에서 제공하는 Default 값을 사용하였다. 그 결과는 다음과 같다. 1. 한국 프로농구경기 10시즌 동안 경기의 승·패와 관련하여 높은 수비리바운드와 도움주기 그리고 낮은 자유투가 있는 파울, 높은 프리드로우 시도의 조합에 의한 패턴이 가장 주요한 승리 패턴으로 나타났다. 그리고 패배와 관련된 주요 요소는 낮은 수비리바운드, 도움주기, 2득점, 3득점, 프리드로우 시도가 포함된 패턴들로 나타났다. 2. 한국 프로농구 경기제도 변경 전·후의 승·패 관련된 주요패턴과 요인에서는 경기 규정 변경 전의 패턴은 수비리바운드와 도움주기를 동반한 자유투가 있는 파울과 프리드로우 시도가 나타났으며, 경기제도 변경 후에는 수비리바운드와 도움주기 이 두 가지 요인에 의한 패턴과 요인만이 추출되었다 3. 한국 프로농구의 10년 동안의 PLAYOFF 진출 그룹과 미 진출 그룹의 승·패와 관련된 주요 패턴은 승·패와 관련하여 수비리바운드와 도움주기가 가장 중요한 요소로 두 그룹 간에 나타났으며, 진출한 그룹에서는 3득점과 파울요인이 하위요인으로 작용하였고, 미 진출 그룹에서는 가로채기와 2득점요인이 하부요인으로 작용하였다. 4. 한국 프로농구 승·패와 관련하여 쿼터별 주요 패턴에서는 3쿼터의 점수분포가 가장 중요한 승·패의 요소로써 작용하였으며, 부가적으로 1쿼터의 점수 분포가 주요 요소로 나타났다. 결론적으로 이 연구를 통하여 한국프로농구의 승패와 관련된 주요 경기력 요소 및 경기력 요소들이 어떻게 조합되었을 때 가장 효율적이고 높은 승률을 얻을 수 있는지를 확인할 수 있었다. 뿐만 아니라, 경기운영제도 변화 그리고 플레이오프 진출 그룹과 미 진출 그룹에 따라 승률을 극대화하기 위한 경기력 요소 조합 상태가 다소 차이가 있었으며, 3쿼터의 점수 분포가 이후 경기의 승패를 좌우하는 중요한 쿼터임을 확인할 수 있었다.
본 연구는 2000년~2010년까지 총 10시즌의 한국프로농구 정규시즌경기의 경기 자료 데이터를 통하여 한국농구경기의 승·패와 관련된 주요 경기패턴 및 요소를 알아보고자 하는데 그 목적이 있다. 이 연구의 목적을 달성하기 위해 10시즌 동안의 총 2655경기에 대한 경기 자료는 프로농구 A구단에서 제공해준 경기기록과 한국 프로농구연맹 사이트(www. kbl.or.kr)를 통해 공개되는 경기별 종합 기록을 대상으로 하였다. 그리고 이 자료는 전체 시즌, 경기운영제도 변경 전·후, 플레이오프 진출 그룹·미 진출 그룹을 각각 분리하여 코딩하였으며, 이들 자료를 10년간 전체 농구경기의 승·패와 관련된 경기요인과 패턴, 경기운영제도 변화 전·후 그리고 PLAYOFF 진출·미진출 그룹에 따른 승·패와 관련된 경기요인과 패턴 그리고 각 쿼터별 득점 분포에 따른 승·패에 관련된 패턴을 분석하기 위하여 데이터마이닝 분석 기법의 중 의사결정나무분석 기법에 의해 분석되었다. 의사결정나무 분석은 SPSS clementine 11.1을 통하여 분석되었으며, 의사결정나무 분석 기법에 사용된 algorithm은 CART(Classification and regression tree)를 사용하였다. 의사결정나무 분석에 들어가기에 앞서 변수 선택 방법은 clementine의 Feature selection을 사용하였으며, 변수 선택 기준은 최대 결측치 비율 70%, 변수의 중요도 .95이상인 변수를 선택하도록 설정하였다. 그리고 CART algorithm 분석방법은 launch interactive session mode로 설정하였으며, 최대 가지 깊이는 8, 분리기준 및 정지기준에 대한 부분으로 불순도에 대한 최소변화를 .0001 설정하였으며, 목표변수에 대한 불순도는 Gini 계수를 사용하였다. 나머지는 설정에 대한 사항은 clementine에서 제공하는 Default 값을 사용하였다. 그 결과는 다음과 같다. 1. 한국 프로농구경기 10시즌 동안 경기의 승·패와 관련하여 높은 수비리바운드와 도움주기 그리고 낮은 자유투가 있는 파울, 높은 프리드로우 시도의 조합에 의한 패턴이 가장 주요한 승리 패턴으로 나타났다. 그리고 패배와 관련된 주요 요소는 낮은 수비리바운드, 도움주기, 2득점, 3득점, 프리드로우 시도가 포함된 패턴들로 나타났다. 2. 한국 프로농구 경기제도 변경 전·후의 승·패 관련된 주요패턴과 요인에서는 경기 규정 변경 전의 패턴은 수비리바운드와 도움주기를 동반한 자유투가 있는 파울과 프리드로우 시도가 나타났으며, 경기제도 변경 후에는 수비리바운드와 도움주기 이 두 가지 요인에 의한 패턴과 요인만이 추출되었다 3. 한국 프로농구의 10년 동안의 PLAYOFF 진출 그룹과 미 진출 그룹의 승·패와 관련된 주요 패턴은 승·패와 관련하여 수비리바운드와 도움주기가 가장 중요한 요소로 두 그룹 간에 나타났으며, 진출한 그룹에서는 3득점과 파울요인이 하위요인으로 작용하였고, 미 진출 그룹에서는 가로채기와 2득점요인이 하부요인으로 작용하였다. 4. 한국 프로농구 승·패와 관련하여 쿼터별 주요 패턴에서는 3쿼터의 점수분포가 가장 중요한 승·패의 요소로써 작용하였으며, 부가적으로 1쿼터의 점수 분포가 주요 요소로 나타났다. 결론적으로 이 연구를 통하여 한국프로농구의 승패와 관련된 주요 경기력 요소 및 경기력 요소들이 어떻게 조합되었을 때 가장 효율적이고 높은 승률을 얻을 수 있는지를 확인할 수 있었다. 뿐만 아니라, 경기운영제도 변화 그리고 플레이오프 진출 그룹과 미 진출 그룹에 따라 승률을 극대화하기 위한 경기력 요소 조합 상태가 다소 차이가 있었으며, 3쿼터의 점수 분포가 이후 경기의 승패를 좌우하는 중요한 쿼터임을 확인할 수 있었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.