$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

미국 프로농구(NBA)의 플레이오프 진출에 영향을 미치는 주요 변수 예측: 3점과 턴오버 속성을 중심으로
Prediction of Key Variables Affecting NBA Playoffs Advancement: Focusing on 3 Points and Turnover Features 원문보기

지능정보연구 = Journal of intelligence and information systems, v.28 no.1, 2022년, pp.263 - 286  

안세환 (한양대학교 기술경영학과) ,  김영민 (한양대학교 기술경영학과)

초록
AI-Helper 아이콘AI-Helper

본 연구는 웹 크롤링을 이용하여 1990년부터 2022년까지 총 32개년에 해당하는 NBA 통계 정보를 획득하고, 탐색적 데이터 분석을 통해 관심 변수를 관찰하고 관련된 파생변수를 생성한다. 입력 데이터에 대한 정제 과정을 거쳐 무의미한 변수들을 제거하고, 남은 변수에 대한 상관관계 분석, t 검정 및 분산분석을 수행하였다. 관심 변수에 대해 플레이오프 진출/미진출 그룹 간 평균의 차이를 검정하였고, 이를 보완하기 위해 순위를 기준으로 하는 3개 집단(상위/중위/하위) 간 평균 차이를 재확인하였다. 입력 데이터 중 올해 시즌 데이터만을 테스트 세트로 활용하였고, 모델 훈련을 위해서는 훈련 세트와 검증 세트를 분할하여 5-fold 교차검증을 수행하였다. 교차검증 결과와 시험 세트를 이용한 최종 분석 결과를 비교하여 성능 지표에서 차이가 없음을 확인함으로써 과적합 문제를 해결하였다. 원시 데이터의 품질 수준이 높고, 통계적 가정을 만족하기 때문에 적은 수준의 데이터 세트임에도 불구하고 대부분 모델에서 좋은 결과를 나타냈다. 본 연구는 단순히 머신러닝을 이용하여 NBA의 경기 결과를 예측하거나 플레이오프 진출 여부만을 분류하는 것에서 그치지 않고, 입력 특성의 중요도를 파악하여 높은 중요도를 갖는 주요 변수에 본 연구의 관심 대상 변수가 포함되는지를 확인하였다. Shap value의 시각화를 통해 특성 중요도의 결과만으로 해석할 수 없었던 한계를 극복하고, 변수의 진입/제거 과정에서 중요도 산출에 일관성이 부족하다는 점을 보완할 수 있었다. 본 연구에서 관심 대상으로 분류했던 3점 및 실책과 관련된 다수의 변수가 미국 프로농구에서의 플레이오프 진출에 영향을 미치는 주요 변수에 포함되는 것으로 나타났다. 본 연구는 기존의 스포츠 데이터 분석 분야에서 다루었던 경기 결과, 플레이오프 및 우승 예측 등의 주제를 포함하고 분석을 위해 여러 머신러닝 모델을 비교 분석했다는 점에서 유사성이 있지만, 사전에 관심 속성을 설정하고, 이를 통계적으로 검증함으로써 머신러닝 분석 결과와 비교하였다는 측면에서 차이가 있다. 또한 XAI 모델 중 하나인 SHAP를 이용하여 설명 가능한 시각화 결과를 제시함으로써 기존 연구와 차별화하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This study acquires NBA statistical information for a total of 32 years from 1990 to 2022 using web crawling, observes variables of interest through exploratory data analysis, and generates related derived variables. Unused variables were removed through a purification process on the input data, and...

주제어

#미국 프로농구 플레이오프 분석   #기계학습   #통계적 분석   #샤플리   #특성 중요도  

표/그림 (19)

참고문헌 (47)

  1. Albert, A. A., de Mingo Lopez, Luis Fernando, K. Allbright and N. Gomez Blas, "A Hybrid Machine Learning Model for Predicting USA NBA All-Stars," ELECTRONICS, Vol.11, No.1(2022), 97-112. 

  2. Wang, Y., W. Liu and X. Liu, "Explainable AI techniques with application to NBA gameplay prediction," Neurocomputing, Vol.483(2022), 59-71. 

    상세보기

  3. Araujo, D., M. Couceiro, L. Seifert, H. Sarmento and K. Davids, Artificial Intelligence in Sport Performance Analysis , Routledge, New York, 2021. 

  4. Bai, Z. and X. Bai, "Sports Big Data: Management, Analysis, Applications, and Challenges," COMPLEXITY, Vol.2021(2021), 6676297-6676307. 

  5. Chen, W., M. Jhou, T. Lee and C. Lu, "Hybrid Basketball Game Outcome Prediction Model by Integrating Data Mining Methods for the National Basketball Association," ENTROPY, Vol.23, No.4(2021), 477-490. 

  6. Geurkink, Y., J. Boone, S. Verstockt and J. G. Bourgois, "Machine Learning-Based Identification of the Strongest Predictive Variables of Winning and Losing in Belgian Professional Soccer," APPLIED SCIENCES-BASEL, Vol.11, No.5(2021), 2378-2388. 

  7. Jain, P. K., W. Quamer and R. Pamula, "Sports result prediction using data mining techniques in comparison with base line model," OPSEARCH, Vol.58, No.1(2021), 54-70. 

    상세보기

  8. Liu, S., Predicting NBA Playoffs Using Machine Learning, rScroll , 2021. 

  9. Wang, J. and Q. Fan, "Application of Machine Learning on NBA Data Sets," Journal of physics. Conference series, Vol.1802, No.3(2021), 32036. 

  10. Yazbek, D., J. S. Sibindi and T. L. Van Zyl, "Deep Similarity Learning for Sports Team Ranking," 2021 SAUPEC/RobMech/PRASA (2021), 1-6. 

  11. Choi, Y. H. and K. H. Lee, "Analysis of Football Fans' Uniform Consumption: Before and After Son Heung-Min's Transfer to Tottenham Hotspur FC," J Intell Inform Syst, Vol.26, No.3(2020), 91-108. 

  12. Eom, H., J. Kim and S. Choi, "Machine learning-based corporate default risk prediction model verification and policy recommendation: Focusing on improvement through stacking ensemble mode," J Intell Inform Syst, Vol.26, No.2(2020), 105-129. 

  13. Geng, S. and T. Hu, "Sports Games Modeling and Prediction using Genetic Programming," In 2020 IEEE Congress on Evolutionary Computation (CEC)(2020), 1-6. 

  14. Han, D. Y., M. Hawkins and H. J. Choi, "Analysis of different types of turnovers between winning and losing performances in men's NCAA basketball," Journal of the Korea Society of Computer and Information, Vol.25, No.7(2020), 135-142. 

  15. Horvat, T. and J. Job, "The use of machine learning in sport outcome prediction: A review," Wiley interdisciplinary reviews. Data mining and knowledge discovery, Vol.10, No.5(2020), e1380. 

  16. Horvat, T., L. Havas and D. Srpak, "The impact of selecting a validation method in machine learning on predicting basketball game outcomes," Symmetry, Vol.12, No.3(2020), art. no. 431. 

  17. Migliorati, M., "Detecting drivers of basketball successful games: an exploratory study with machine learning algorithms," Electronic Journal of Applied Statistical Analysis EJASA, Electron. J. App. Stat. Anal. Electronic Journal of Applied Statistical Analysis, Vol.13, No.2 (2020), 454-473. 

  18. Oh, J., Y. Lee and G. Kim, "Improvement of Solar Power Forecasting Using Interpretation of Artificial Intelligence," The transactions of The Korean Institute of Electrical Engineers, Vol.69, No.7(2020), 1112-1117. 

  19. Yi, J. H. and S. W. Lee, "Prediction of English Premier League Game Using an Ensemble Technique," KIPS Trans. Softw. and Data Eng., Vol.9, No.5(2020), 161-168. 

  20. Chen, Y., J. Dai and C. Zhang, "A neural network model of the NBA most valued player selection prediction," ACM International Conference Proceeding Series(2019), 16. 

  21. Horvat, T. and J. Job, "Importance of the training dataset length in basketball game outcome prediction by using naive classification machine learning methods," Elektroteh.Vestn. Electrotech.Rev., Vol.86, No.4(2019), 197. 

  22. Mandic, R., S. Jakovljevic, F. Erculj and E. Strumbelj, "Trends in NBA and Euroleague basketball: Analysis and comparison of statistical data from 2000 to 2017," PLoS ONE, Vol.14, No.10(2019), 1-17. 

  23. Thabtah, F., L. Zhang and N. Abdelhamid, "NBA Game Result Prediction Using Feature Analysis and Machine Learning," Annals of Data Science, Vol.6, No.1(2019), 103-116. 

    상세보기

  24. Hsu, P. -., S. Galsanbadam, J. -. Yang and C. -. Yang, "Evaluating Machine Learning Varieties for NBA Players' Winning Contribution," 2018 International Conference on System Science and Engineering (ICSSE)(2018), 1-6. 

  25. Lai, M., R. Meo, R. Schifanella and E. Sulis, "The role of the network of matches on predicting success in table tennis," J.Sports Sci., Vol.36, No.23(2018), 2691-2698. 

    상세보기

  26. Lam, M. W. Y., "ONE-MATCH-AHEAD FORECASTING IN TWO-TEAM SPORTS WITH STACKED BAYESIAN REGRESSIONS," JOURNAL OF ARTIFICIAL INTELLIGENCE AND SOFT COMPUTING RESEARCH, Vol.8, No.3(2018), 159-171. 

    상세보기

  27. Rahman, M. H. A. A., A. Mustapha, N. Razali and R. Fauzi, "Bayesian approach to classification of football match outcome," International Journal of Integrated Engineering, Vol.10, No.6(2018), 155. 

  28. Bianchi, F., T. Facchinetti and P. Zuccolotto, "Role revolution: towards a new meaning of positions in basketball," Electronic Journal of Applied Statistical Analysis, Vol.10, No.3(2017), 712-734. 

  29. Giuliodori, P., "An artificial neural network-based prediction model for underdog teams in NBA matches," CEUR Workshop Proceedings, Vol.1971(2017), 73-82. 

  30. Kaur, H. and S. Jain, "Machine learning approaches to predict basketball game outcome," The 3rd International Conference on Advances in Computing Communication & Automation (ICACCA)(2017), 1-7. 

  31. Leicht, A. S., M. A. Gomez and C. T. Woods, "Team Performance Indicators Explain Outcome during Women's Basketball Matches at the Olympic Games," Sports (2075-4663), Vol.5, No.4(2017), 96-103. 

    상세보기

  32. Pai, P., L. ChangLiao and K. Lin, "Analyzing basketball games by a support vector machines with decision tree model," Neural Computing & Applications, Vol.28, No.12(2017), 4159-4167. 

    상세보기

  33. Cheng, G., Z. Zhang, M. N. Kyebambe and N. Kimbugwe, "Predicting the Outcome of NBA Playoffs Based on the Maximum Entropy Principle," Entropy, Vol.18, No.12(2016), 450-464. 

  34. Prasetio, D. and D. Harlili, "Predicting football match results with logistic regression," 2016 International Conference On Advanced Informatics: Concepts, Theory And Application (ICAICTA)(2016), 1-5. 

  35. Soto Valero, C., "Predicting win-loss outcomes in MLB regular season games-a comparative study using data mining methods," International Journal of Computer Science in Sport, Vol.15, No.2(2016), 91. 

    상세보기

  36. Al-Jarrah, O. Y., P. D. Yoo, S. Muhaidat, G. K. Karagiannidis and K. Taha, "Efficient Machine Learning for Big Data: A Review," Big Data Research, Vol.2, No.3(2015), 87-93. 

    상세보기

  37. Kempe, M., A. Grunz and D. Memmert, "Detecting tactical patterns in basketball: Comparison of merge self-organising maps and dynamic controlled neural networks," European Journal of Sport Science, Vol.15, No.4(2015), 249-255. 

    상세보기

  38. Lopez, M. J. and G. J. Matthews, "Building an NCAA men's basketball predictive model and quantifying its success," Journal of Quantitative Analysis in Sports, Vol.11, No.1(2015), 5-12. 

  39. Leung, C. K. and K. W. Joseph, "Sports Data Mining: Predicting Results for the College Football Games," Procedia Computer Science, Vol.35(2014), 710-719. 

    상세보기

  40. Zimmermann, A., S. Moorthy and Z. Shi, Predicting college basketball match outcomes using machine learning techniques: some results and lessons learned, arXiv, 2013. Available at https://arxiv.org/pdf/1310.3607.pdf (Downloaded February 5, 2022). 

  41. Kim, S. H., J. W. Lee and M. S. Lee, "Estimating the determinants of victory and defeat through analyzing records of Korean pro-basketball," Journal of the Korean Data And Information Science Society, Vol.23, No.5(2012), 993-1003. 

  42. Schmidt, A., "Movement pattern recognition in basketball free-throw shooting," Human Movement Science, Vol.31, No.2(2012), 360-382. 

    상세보기

  43. Pak, S. I. and T. H. Oh, "The Application of Analysis of Variance (ANOVA)," Journal of Veterinary Clinics, Vol.27, No.1(2010), 71-78. 

  44. Kubatko, J., D. Oliver, K. Pelton and D. T. Rosenbaum, "A starting point for analyzing basketball statistics," Journal of Quantitative Analysis in Sports, Vol.3, No.3(2007), undefined. 

    상세보기

  45. Joseph, A., N. E. Fenton and M. Neil, "Predicting football results using Bayesian nets and other machine learning techniques," Knowledge-Based Syst., Vol.19, No.7(2006), 544-553. 

  46. Nunes, S., M. Sousa and d. E. Faculdade, Applying data mining techniques to football data from European championships, OpenAIRE, Europe, 2006. 

  47. Lee, G. B., "The factors of KBL team's playoff pass and winning percent," Korean Journal of Sport Science, Vol.15, No.3(2004), 41-50. 

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로