한국프로야구(KBO) 투구 데이터 기반 다중분류 인공지능 구종 예측과 SHAP 해석
Multiclass Artificial Intelligence Pitch-Type Prediction and SHAP Analysis Based on KBO Pitching Data
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구의 목적은 한국프로야구(KBO) 2023~2024시즌의 전체 투구 데이터를 활용하여 구종(8종: 너클볼, 슬라이더, 직구, 체인지업, 커브, 커터, 투심, 포크)을 개별 단위로 분류하는 다중분류 인공지능 모델을 개발하고, 설명가능한인공지능(XAI) 기법인 SHAP을 적용하여 변수 중요도와 의존성 그래프를 분석하는 데 있다. 연구는 데이터 전처리, 인공지능 모델 개발, 성능 평가, 설명가능한 인공지능 해석의 네 단계로 수행되었다. 모델은 XGBoost를 기반으로모델링되었으며, 주요 하이퍼파라미터를 최적화한 결과, 전체 정확도는 87.9%를 기록하였다. 또한 Macro-F1 Score는0.753, Weighted-F1 Score는 0.873으로 나타나 안정적인 성능을 확보하였다. ROC-AUC 역시 모든 구종에서0.96 이상으로 확인되어 높은 판별력을 보였다. 설명가능한 인공지능(XAI)인 SHAP 분석에서는 pfx_z(투구의 수직무브먼트), vy0(y좌표 속도), speed(구속) 등이 구종 판별에 핵심적으로 작용함을 확인하였다. 이를 통해 본 연구는단순히 모델의 예측 성능을 제시하는 데 그치지 않고, “왜 특정 구종으로 분류되었는가”를 설명할 수 있는 해석적근거를 마련하였다. 본 연구의 결과는 투수 전략 수립, 타자 대응 전략, 스카우팅, 그리고 한국프로야구(KBO)의ABS(Automated Ball-Strike System) 운영의 객관성과 신뢰성을 제고하는 데 기여할 수 있을 것이다.
Abstract
The purpose of this study is to develop a multiclass classification artificial intelligence model that classifies pitch types (8 classes: Knuckleball, Slider, Fastball, Changeup, Curve, Cutter, Two-Seam, Forkball) at the individual pitch level using the entire pitching data from the 2023–2024 Korean Baseball Organization (KBO) season, and to analyze feature importance and dependence plots by applying SHAP, an explainable artificial intelligence (XAI) technique. The study was conducted in four stages: data preprocessing, model development, performance evaluation, and explainable AI analysis. The model was built based on XGBoost, and after optimization of key hyper-parameters, it achieved an overall accuracy of 87.9%. In addition, the Macro-F1 Score was 0.753 and the Weighted-F1 Score was 0.873, demonstrating stable performance. The ROC-AUC for all pitch types exceeded 0.96, indicating high discriminative power. The SHAP analysis confirmed that pfx_z (vertical movement of the pitch), vy0 (velocity along the y-axis), and speed (pitch velocity) were key factors contributing to pitch classification. This study not only presents the predictive performance of the model but also provides interpretative evidence explaining why a specific pitch type was classified. The findings contribute to pitcher strategy development, batter response analysis, scouting, and enhancing the objectivity and reliability of the Automated Ball-Strike System (ABS) in the KBO.