머신러닝을 활용한 한국프로농구 정규리그 최종 순위 예측: 스포츠 애널리틱스 관점 (The Final Ranking Prediction of the Korean Professional Basketball League Using Machine Learning Algorithms: A Sports Analytics Perspective)

서지정보

· 발행기관 : 한국체육측정평가학회
· 수록지 정보 : 한국체육측정평가학회지 / 25권 / 2호 / 103 ~ 115페이지
· 저자명 : 김필수, 이상현

초록

현대 스포츠 경기분석 데이터의 축적과 다양하게 집적된 기술의 발달로 인공지능(artificial intelligence)이 대중화되면서 스포츠 측정평가의 분야에서도 애널리틱스의 발전이 가속화되고 있다. 스포츠 애널리틱스는 스포츠 조직관련 데이터를 기반으로 스포츠 비즈니스의 성과를 높이기 위한 의사결정에 도움이 될 수 있는 일련의 기술과 방식을의미한다. 아울러, 최근 스포츠 애널리틱스는 미래의 성과 향상이라는 목적 달성을 위해 빅데이터를 활용한 미래예측의 영역을 포함한다. 하지만, 아직 일반적으로 사용되는 예측이라는 개념에 부합하는 연구의 발견이 어려운 실정이다. 본 연구는 스포츠 애널리틱스의 발전을 위해 기계학습을 적용하여 한국프로농구 정규리그 최종순위를 예측하고이에 대한 체계화된 논의의 진행을 목적으로 한다. 이를 위해, 한국프로농구 2006~2007 – 2022~2023시즌의 전체경기 데이터를 활용하여 최종 라운드를 제외한 각 라운드 종료 시점에서 해당 시즌의 결과를 예측하는 실증분석을시행하였다. 본 연구의 분석을 위해 머신러닝 알고리즘인 서포트 벡터 머신(support vector machine, SVM), 그래디언트 부스팅(gradient boosting), 엑스트라 트리(extra tree)가 사용되었다. 분석결과, 1라운드가 종료된 시점의평균 오차는 1.88이었으나 라운드가 진행될수록 1.47, 1.21, 0.92, 0.72로 줄어든다는 것을 확인할 수 있었다. 또한, 1라운드 종료 시점에는 서포트 벡터 머신이 1.85로 가장 낮은 오차를 보였지만, 2라운드 종료 이후부터는 엑스트라트리가 가장 낮은 평균 오차를 기록하였다. 전반적으로 가장 높은 성능을 보인 엑스트라 트리 기준으로 4라운드이후로는 대체로 실제 시즌 종료 후의 팀 순위와 유사한 결과를 예측하는 것으로 나타났다. 본 연구는 시즌이 종료되기 전 스포츠 경기와 관련된 빅데이터를 바탕으로 라운드별 및 시즌 종료 결과를 예측한 선도적인 연구로서 스포츠애널리틱스 관점에서 스포츠 경기 데이터의 기계학습이 적용된 분석으로서 그 가치와 의의를 지닌다.

영어초록

The advent of artificial intelligence (AI) as a result of big data accumulation and high technology has invited the word "analytics" into the sports industry. We define sports analytics as the process of pursuing better decision-making for the success of sports organizations by utilizing data from the past. This process includes a prediction of the future. Therefore, it provides analysis for stakeholders in the sports domain to help them make better decisions in their current situation. This study attempts to contribute to the field of sports analytics by predicting the results of the 2022-2023 regular season of the Korean Basketball League (KBL) teams. We collected data from the 2006-2007 to 2022-2023 season from the KBL website and analyzed it with three machine learning algorithms (Support Vector Machine, Gradient Boosting, and Extra Trees) from various points (at the end of rounds 1, 2, 3, 4, and 5). The results showed that the error of prediction decreased as the round progressed. The average error was 1.88 when the first round ended, but 0.72 when the fifth round ended. Furthermore, the Support Vector Machine showed the lowest error (1.85) among the three algorithms when the first round ended. However, Extra Trees performed the lowest error when predicting the results of the regular season after the second (1.40), third (1.12), fourth (0.75), and fifth (0.61) rounds. Overall, the predictions of Extra Trees after the third round were similar to the actual regular season results. This study established a milestone in the field of Korean sports analytics by conducting research that predicted the results of the regular season before the season actually ended.

참고자료

· 없음