머신러닝을 활용한 중학생 축구선수의 심폐지구력 예측 및 주요 체력 요인 분석
Prediction of Cardiopulmonary Endurance and Identification of Key Fitness Factors in Middle School Soccer Players Using Machine Learning
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 머신러닝 기법을 적용하여 중학생 축구선수의 심폐지구력 예측 모델 성능을 비교․분석하고, 변인 중요도 분석을 통해 심폐지구력에 영향을 미치는 주요 체력 요인을 도출하는 데 목적이 있다. 이를 위해 선형 회귀, 엘라스틱 넷 회귀, 랜덤 포레스트, LightGBM 네 가지 회귀 알고리즘을 적용하였으며, 결정계수(), 평균제곱근오차(RMSE), 평균절대오차(MAE)를 통해 예측 성능을 평가하였다. 분석 결과, 엘라스틱 넷 회귀 모델이 가장 높은예측 성능(= 0.462, RMSE = 12.627, MAE = 10.065)을 나타냈으며, 무릎 각근력(60°/s) 우굴근(주측 햄스트링근력), 윗몸일으키기(복부 근지구력), 서전트 점프(하지 파워)가 심폐지구력 예측에 영향을 미치는 주요 체력 요인으로도출되었다. 이러한 결과는 성장기 축구선수의 심폐지구력을 정량적 체력 지표를 통해 간접적으로 예측할 수 있음을보여주며 맞춤형 훈련 설계와 과학적 피드백 시스템 구축을 위한 기초자료로 활용될 수 있다.
Abstract
This study aimed to apply machine learning techniques to compare and analyze the predictive performance of cardiopulmonary endurance models in middle school soccer players and to identify the key physical fitness variables influencing cardiopulmonary endurance. Four regression algorithms—Linear Regression, Elastic Net Regression, Random Forest, and LightGBM—were employed, and model performance was evaluated using the coefficient of determination (), root mean square error (RMSE), and mean absolute error (MAE). The Elastic Net Regression model exhibited the highest predictive performance ( = 0.462, RMSE = 12.627, MAE = 10.065). Variable importance analysis revealed that dominant leg flexion peak torque(hamstring strength), sit-up(abdominal muscular endurance), and the sargent jump(lower limb power) were the most influential predictors of cardiopulmonary endurance. These results demonstrate that the cardiorespiratory endurance of developing soccer players can be indirectly predicted through quantitative physical fitness indicators, providing fundamental data for designing individualized training programs and establishing scientific feedback systems.