축구 월드컵 경기 공식기록을 통한 데이터의 시각화 (The Visualization of the Official Data for Soccer World Cup)

서지정보

· 발행기관 : 한국체육측정평가학회
· 수록지 정보 : 한국체육측정평가학회지 / 18권 / 1호 / 83 ~ 92페이지
· 저자명 : 최형준

초록

이 연구는 2002년부터 2014년 축구 월드컵 경기에서 나타난 자료의 시각화하기 위한 목적을 가진다. 또한, 학습돤자기구성지도를 이용하여 원자료의 특성을 고려한 예측값을 도출해내어, 원자료와 학습된 자기구성지도을 사용하여 원자료를 예측하는 게 가능한지를 알아보고자 하였다. 이 연구를 위하여 2002년부터 2014년 축구 월드컵 경기에서 나타난 512개의 자료를 20개의 독립변인과 함께 정리하였으며, 통계프로그램인 R 3.2.0 버전을 코호넨 패키지 2.0.18 버전과 함께 자료처리를 위해 사용하였다. 학습을 마친 자기구성지도의 양자화 오류는 3.906이었으며, 지형화 오류는1.248로 나타났다. 이 연구를 통해 얻은 연구결과는 첫째, 학습된 자기구성지도는 학습이후, 원자료의 특성을 투영하고자 하였으며, 이러한 특성을 이용하여 군집을 시각화 할 수 있었다. 둘째, 원자료의 특성은 학습된 자기구성지도의예측 알고리즘을 통하여 오차범위 5%에서 대부분 예측과 일치하다고 나타났다. 따라서, 향후 연구에서는 더 많은 양의 자료로 원자료의 특성을 학습과 투영을 통해 시각화할 수 있을지에 대해 연구가 이루어져야 한다고 사료된다.

영어초록

This study was to visualize raw data from 2002 to 2014 soccer World Cup officials. It was also aimed that the trained Self-Organizing Map suggested the predictable values of attitudes on raw data. Thus, this study was finally, to identified the possibility of prediction using raw data and the trained Self-Organizing Map on soccer World Cup stats. In order to approaches those purposes, totally, 512 set of data from the official web sites were used as the subjects of this study. And a R 3.2.0 statistical package with kohonen package 2.0.18 was used to analyse the data within the Self-organizing Map developed by Helsinki Univeristy of Technology. After the training of Self-organizing map, the quantization error was 3.906 and the topographic error was 1.248.
Consequently, the results of the study was as following; Firstly, the trained SOM was trying to project the features of raw data after the training. Also, it was possible to make clusters within the projections on the trained SOM. Secondly, the features of raw data have been shown on the prediction algorithm of the trained SOM that almost all of raw data were projected within 5% of error range. Finally, it is required that following researches would be considered more data sets of official stats in soccer in order to be trained and be projected of the features of raw data.

참고자료

· 없음