데이터 마이닝을 이용한 프로야구 투수 연봉 예측모델 구현

소개

의사결정나무, 인공신경망, SVM, 베이지안 네트워크 등 다양한 데이터 마이닝 기법을 이용하여

프로야구 투수들의 연봉예측 모형을 구현하는 내용의 리포트입니다.

2012년부터 2017년 투수 성적을 토대로 다음해 연봉 수준(LV1~LV4)을 예측하는 것입니다.

데이터 마이닝 툴인 웨카(WEKA)를 사용하였으며, 각 마이닝 기법별 성능도 비교하였습니다.

가장 잘 나온 것이 85% 정도 성능을 보였습니다.

웨카에 대해 잘 모르시는 분들을 위해 전 과정을 자세히 캡쳐하여 <참고>에 추가하였습니다.

따라가면서 문제 없이 하실 수 있습니다.

참고로 전 데이터베이스 과목에서 A+를 받았습니다.

이 프로젝트를 통해 데이터마이닝에 대해 기본내용을 확실히 이해할 수 있었습니다.

많은 도움 되었으면 좋겠습니다.

목차

1. 연구배경
2. 데이터 전처리
3. 최종 데이터 셋
4. 분석내용
5. 결과의 활용
6.<참고1> 데이터 마이닝 주요과정(웨카)
7.<참고2> 웨카 팁

본문내용

1.연구배경

구단 과 선수 간 끊임없는 연봉협상 문제 발생
경기 성적을 토대로 합리적 연봉 산정 기준 마련 필요
다양한 데이터 마이닝 기법을 적용, 다음 해 연봉수준(LV1~LV4) 예측
- 의사결정나무(CART, C4.5, Random Forest)

2.데이터 전처리

 KBO 홈페이지에서 투수 경기기록 수집
ㅇ (년도) 2012~2017
ㅇ (팀) 넥센, 두산, 롯데, 삼성, 한화, KIA, KT, LG, NC, SK
ㅇ (기록) ERA(방어율), G(게임), W(승), L(패), SV(세이브), HLD(홀드),
IP(이닝수), H(피안타), HR(홈런), BB(볼넷), HBP(사구), SO(삼진), R(실점), ER(자책점), WHIP(이닝당 출루허용률)

STATIZ 홈페이지에서 투수 WAR(대체선수 대비 기여도) 및 연봉정보 수집
ㅇ (년도) 2012~2018
ㅇ (팀) 넥센, 두산, 롯데, 삼성, 한화, KIA, KT, LG, NC, SK
ㅇ (수집정보) WAR 및 연봉

투수 경기기록 및 연봉 정보 결합(엑셀)
ㅇ 년도+선수명+팀명을 키 값으로 VLOOKUP 함수를 사용
예시) 연봉: VLOOKUP(Z2, SALARY, 2, FALSE),
WAR: VLOOKUP(Z2, SALARY, 3, FALSE)

ㅇ 팀 이동, 은퇴, 신규 선수 등 데이터가 NULL인 경우 제외

다음 해 연봉을 기준으로 연봉수준(LV1~LV4) 분류(Classification)
ㅇ 각 Level의 기준값은 전체 연봉의 25%(4000만), 50%(7500만),
75%(16000만) 수준 예시) IF(U2>=16000, 4, IF(U2>=7500, 3, IF(U2>=4000, 2, 1)))
구분LV1LV2LV3LV4
연봉~4000만4000만~7500만7500만~16000만16000만~
인원195명226명220명220명

3.최종 데이터 셋

ㅇ (독립변수) ERA, G, W, L, SV, HLD, IP, H, HR, BB, HBP, SO, R, ER, WHIP, WAR, SALARY(17개)

참고자료

· KBO 홈페이지: https://www.koreabaseball.com/
· STATIZ 홈페이지: http://www.statiz.co.kr/main.php
· 이것이 데이터 분석이다 | 윤기태 지음 | 한빛미디어