배깅과 부스팅 알고리즘을 이용한 핸드볼 결과 예측 비교
Comparison of Handball Result Predictions Using Bagging and Boosting Algorithms
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
본 연구는 여자핸드볼 경기에서 발생되는 움직임 정보를 바탕으로 앙상블 기법의 배깅과 부스팅 알고리즘의 예측력을 비교하고, 움직임 정보의 활용가능성을 분석하는데 목적이 있다. 연구의 목적을 달성하기 위하여 15번의 연습경기에서 관성센서를 활용해 수집한 움직임 정보를 활용한 경기 결과예측을 랜덤포레스트와 Adaboost 알고리즘을 활용해 비교·분석하였다. 연구결과 첫째, 랜덤포레스트 알고리즘의 예측률은 66.9 ± 0.1%로 나타났으며, Adaboost 알고리즘의 예측률은 65.6 ± 1.6%로 나타났다. 둘째, 랜덤포레스트는 승리 결과는 모두 예측하였고, 패배의 결과는 하나도 예측하지 못하였다. 반면, Adaboost 알고리즘은 승리 예측 91.4%, 패배예측 10.4%라고 나타났다. 셋째, 알고리즘의 적합성 여부에서 랜덤포레스트는 과적합의 오류가 없었지만, Adaboost는 과적합의 오류가 나타났다. 본 연구결과를 바탕으로 스포츠경기를 예측할 때 움직임 정보도 활용 가능성을 확인하였으며, 랜덤포레스트 알고리즘이 보다 우수함을 확인하였다.
Abstract
The purpose of this study is to compare the predictive power of the Bagging and Boosting algorithm of ensemble method based on the motion information that occurs in woman handball matches and to analyze the availability of motion information. To this end, this study analyzed the predictive power of the result of 15 practice matches based on inertial motion by analyzing the predictive power of Random Forest and Adaboost algorithms. The results of the study are as follows. First, the prediction rate of the Random Forest algorithm was 66.9 ± 0.1%, and the prediction rate of the Adaboost algorithm was 65.6 ± 1.6%. Second, Random Forest predicted all of the winning results, but none of the losing results. On the other hand, the Adaboost algorithm shows 91.4% prediction of winning and 10.4% prediction of losing. Third, in the verification of the suitability of the algorithm, the Random Forest had no overfitting error, but Adaboost showed an overfitting error. Based on the results of this study, the availability of motion information is high when predicting sports events, and it was confirmed that the Random Forest algorithm was superior to the Adaboost algorithm.
참고문헌 (25)
- 구강본, "4차 산업혁명에 따른 스포츠계의 대응 과제", 움직임의 철학 : 한국체육철학회지, 26(2), pp.7~17 (2018), 한국체육철학회[DOI]
- 김원종, "데이터 마이닝을 활용한 한국 프로야구 구단의 승패예측과 승률향상을 위한 전략 도출 연구", 한국스포츠산업경영학회지, 23(3), pp.88~104 (2018), 한국스포츠산업경영학회[DOI]
- 김혜진, "남녀 아동의 성장기별 생체전기임피던스벡터와 위상각 분포", 한국체육측정평가학회지, 14(1), pp.1~10 (2012), 한국체육측정평가학회[DOI]
- 임정우, "하키종목의 경기력분석을 위한 스프린트 구간설정: 실시간 GPS 장비의 활용", 한국체육측정평가학회지, 10(1), pp.69~79 (2008), 한국체육측정평가학회[DOI]
- I. S. Yeo, "Ethics of competition and victory in sport : The Korean Society for the Philosophy of Sport", Dance & Martial Arts, 6(1), pp.67~88 (1998)[DOI]
- Denise Jennings, "The Validity and Reliability of GPS Units for Measuring Distance in Team Sport Specific Running Patterns", International Journal of Sports Physiology and Performance, 5(3), pp.328~341 (2010), Human Kinetics[DOI]
- D. Wundersitz, "Validation of a Trunk-mounted Accelerometer to Measure Peak Impacts during Team Sport Movements", International Journal of Sports Medicine, 36(09), pp.742~746 (2015), Georg Thieme Verlag KG[DOI]
- S. K. Min., "Sports Science : On-site support using the Global Positioning System(GPS)in field hockey competitions compared to the Asian Games", Sports science, 128, pp.48~53 (2014)
- 정연해, "앙상블기법을 이용한 다양한 데이터마이닝 성능향상 연구", Communications for Statistical Applications and Methods, 17(4), pp.561~574 (2010), 한국통계학회
- W. H. Lee., "development of soccer ranking prediction model using neural network analysis", doctor, pp.2006
- 오윤학, "데이터마이닝을 활용한 한국프로야구 승패예측모형 수립에 관한 연구", 대한산업공학회지, 40(1), pp.8~17 (2014), 대한산업공학회[DOI]
- Y. C. Kim., "E-sports game prediction using machine learning : focusing on League of Legends", master, pp.2018
- D. Miljković, "The use of data mining for basketball matches outcomes prediction", IEEE 8th International Symposium on Intelligent Systems and Informatics, pp.309~312 (2010)
- N. Razali, "Predicting football matches results using Bayesian networks for English Premier League(EPL)", In Iop conference series : Materials science and engineering, 226(1), pp.012099~ (2017)
- 이재현, "앙상블 기법을 통한 잉글리시 프리미어리그 경기결과 예측", 정보처리학회 논문지, 9(5), pp.161~168 (2020), 한국정보처리학회[DOI]
- Weihong Cai, "A hybrid ensemble learning framework for basketball outcomes prediction", Physica A: Statistical Mechanics and its Applications, 528, pp.121461~ (2019), Elsevier BV[DOI]
- Andreas Groll, "A hybrid random forest to predict soccer matches in international tournaments", Journal of Quantitative Analysis in Sports, 15(4), pp.271~287 (2019), Walter de Gruyter GmbH[DOI]
- 박종철, "관성센서를 이용한 여자핸드볼 선수들의 포지션별 움직임 분석", 한국융합학회논문지, 11(4), pp.343~350 (2020), 한국융합학회[DOI]
- 장동률, "랜덤 포레스트를 활용한 작품 가격 예측 모형 연구", 신뢰성 응용연구, 20(1), pp.34~42 (2020), 한국신뢰성학회[DOI]
- 김성진, "기업신용등급 예측을 위한 랜덤 포레스트의 응용", 산업혁신연구, 32(1), pp.187~211 (2016), 산업개발연구소[DOI]
- 이영섭, "데이터 마이닝에서 배깅, 부스팅, SVM 분류 알고리즘의 비교 분석", 응용통계연구, 18(2), pp.343~354 (2005), 한국통계학회
- Jonathan Cheung-Wai Chan, "Evaluation of Random Forest and Adaboost tree-based ensemble classification and spectral band selection for ecotope mapping using airborne hyperspectral imagery", Remote Sensing of Environment, 112(6), pp.2999~3011 (2008), Elsevier BV[DOI]
- 이희화, "무용수의 평가 및 부상방지 예측모델을 위한 전자 퍼포먼스 트래킹 시스템(EPTS) 활용가능성", 한국스포츠학회, 17(4), pp.1597~1607 (2019), 한국스포츠학회
- S. J. Kang., "Preliminary Study on the Prediction of Human Kinematic Motion Analysis Using Artificial Intelligence", Korean Society for Precision Engineering, pp.19~19 (2019)
- H. Y. Jung, "Multi-objective system using EMG and accelerometer", Journal of Electrical Engineering & Technology. Summer Academic Conference, pp.1,502~1,503 (2014)