지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2023.12
- 수록면
- 97 - 110 (14page)
이용수
초록· 키워드
오류제보하기
본 연구는 여자 농구 월드컵의 승패결정요인을 추정하기 위하여 Decision Tree, Random Forest, Gradient Boosting Trees, XG Boost 총 4가지 머신러닝 기법을 적용해서 각 기법별의 예측 성능을 비교하며 가장 뛰어난 예측 성능을 나타낸 머신러닝 모형을 기반으로 SHAP 기법을 사용하여 승패 요인 중요도를 분석하는데 목적을 두었다. 본 연구의 대상은 2002년(제14회)부터 2022년(제19회)까지 여자 농구 월드컵 경기대회에 참가한 팀이 겨룬 총 302경기의 경기내용을 대상으로 두 팀의 공식기록을 연구 대상으로 선정하였으며(n=604), 분석에 사용된 변인은 여자농구 월드컵 홈페이지에서 제공된 Box Score 데이터를 사용하여 총 19개 독립변인과 1개 종속변인으로 선정하였다. 본 연구의 자료 수집과 처리를 위하여 통계프로그램 Python 3.10.1 버전을 라이브러리와 함께 사용하였고, 얻은 결과는 다음과 같다. 첫째, 기법별 예측 결과에서는 Random Forest 모델이 Decision Tree, Gradient Boosting Trees, XG Boost 기법보다 가장 뛰어난 예측 성능을 나타냈고 테스트 세트에서 예측 정확도는 82.64%, 정밀도는 0.826, 재현율은 0.826, F1 점수는 0.826으로 나타났다. 둘째, Gradient Boosting Trees와 XG Boost 기법을 이용하여 경기 승패 결과를 예측했을 때, 데이터 세트의 표본 크기가 충분하지 않기 때문에 과적화(Overfitting) 현상이 나타났다. 셋째, 설명가능한 인공지능(eXplainable AI) SHAP 기법을 적용하여 여자 농구 월드컵에서 승패에 정(+)의 영향을 미치는 중요한 요인은 수비 리바운드(DREB), 슛 성공률(FG%), 2점슛 성공수(2PTSM), 2점슛 성공률(2PTS%) 등 순으로 나타났으며, 반면 승패에 영향을 미치는 상대적으로 중요하지 않은 요인은 3점슛 시도수(3PTSA),2점슛 시도수(2PTSA), 3점슛 성공수(3PTSM), 슛 시도수(FGA) 등 순으로 확인되었다.
목차
국문초록
Ⅰ. 서론
Ⅱ. 연구방법
Ⅲ. 연구결과
Ⅳ. 논의
Ⅴ. 결론
참고문헌
Abstract
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
이 논문과 함께 이용한 논문
머신러닝 분류 모형을 이용한 FIBA 여자농구 아시안컵 대회의 승패 예측 및 요인 분석에 관한 연구
예원진
,
이성노
한국체육과학회지
2022
.10
농구 승패결정요인 추정을 위한 앙상블 머신러닝 모형의 성능 비교 : 2022 FIBA 남자농구 아시아컵대회를 중심으로
범쟁쟁
,
이성노
한국체육과학회지
2023
.06
설명 가능한 인공지능(XAI)을 이용한 확률 임베딩 벡터 예측에 관한 연구
양성실
,
설현주
Journal of the KNST
2023
.09
통계적 예측모형을 활용한 경륜 경기 순위 분석
박가희
,
박리라
,
송종우
응용통계연구
2017
.02
프로스포츠 산업 조직 구성원의 역량에 따른 관리자의 역할: 미국프로농구(NBA)와 한국프로농구(KBL)의 감독과 선수단 전력 수준에 관한 실증연구 분석
정태성
,
김필수
,
이상현
외 1명
벤처창업연구
2022
.12
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-089352334