인공지능 기반 메이저리그(MLB) 타자의 기대안타(xHA) 예측 모델 개발 및 적용
Development and Application of an Artificial Intelligence-Based Prediction Model for Major League(MLB) Batters’ Expected Hitting Average(xHA)
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
이 연구는 미국 메이저리그(MLB) 타자의 타격 관련 데이터를 활용하여 안타 유형과 안타별 기대안타(xHA)를예측하는 인공지능 모델을 개발하고, 개발 모델에 실제 데이터를 적용하는 연구이다. 타자의 기대안타(xHA) 예측모델을 개발하고 적용하기 위해 2022년, 2023년 두 시즌의 메이저리그(MLB) 타자의 타격 결과 중에서 안타를 기록한 타구를 모두 수집(개발:54,338건, 적용:95건)하였다. 개발한 인공지능 예측 모델의 정확도는 89.75%, 정밀도는89.72%, 재현율은 89.75, F1score는 88.89로 성능평가 되었다. 개발한 예측 모델에 설명가능한 인공지능 기법인SHAP를 적용하여 인공지능의 예측 과정에서의 변수 중요도 등을 확인하였다. 전체 모델에서 가장 중요한 독립변수는타구거리, 타구의 x좌표, 수평각도, 타구의 y좌표, 타구의 발사각, 타구속도 등으로 나타났다. 성능평가 후 개발한인공지능 기반 기대안타(xHA) 예측 모델에 김하성, 오타니 쇼헤이, 카일 슈와버 선수의 타격 데이터를 적용하여세 선수의 기대안타(xHA)의 특징을 탐색하고 시각화하였다. 이 연구에서 제안하고 예측 개발한 기대안타(xHA)는선수의 경기력 예측, 선수의 평가 등의 영역에서 전략적, 전술적으로 활용될 것이라 기대한다.
Abstract
This study develops an Artificial Intelligence (AI) model to predict hit types and Expected Hitting Average (xHA) using batting-related data from American Major League Baseball (MLB) hitters. In order to build and apply the xHA prediction model for hitters, all hit balls recorded by MLB players during the 2022 and 2023 seasons were collected (development: 54,338, application: 95). The developed AI prediction model was evaluated with an accuracy of 89.75%, precision of 89.72%, recall of 89.75%, and F1score of 88.89. The Explainable AI (XAI) technique SHAP was employed to assess variable importance in the AI prediction process. The most influential independent variables across the entire model were identified as hit_distance_sc, hc_x, launch_horizontal_angle, hc_y, launch_angle, and launch_speed. Post-performance evaluation, the developed AI-based xHA prediction model was applied to hitting data for Ha-Seong Kim, Shohei Ohtani, and Kyle Schwarber to explore and visualize their xHA characteristics. It is anticipated that the proposed and developed xHA prediction in this study will strategically and tactically contribute to player performance prediction and assessment.
참고문헌 (10)
- 강지연, "한국프로야구 헛스윙 예측을 위한 딥러닝 기반 1D-CNN 모델 개발 및 적용", 코칭능력개발지, 25(6), pp.159~167 (2023), 한국코칭능력개발원
- 김주학, "미국 프로야구(MLB) 투구기록을 활용한 배럴타구의 상황적 영향요인 분석", 한국체육측정평가학회지, 24(4), pp.141~151 (2022), 한국체육측정평가학회[DOI]
- 김주학, "야구 경기 승패 예측을 위한 합성곱 신경망(CNN) 최적화 연구", 한국체육측정평가학회지, 24(4), pp.153~165 (2022), 한국체육측정평가학회[DOI]
- 조선미, "머신러닝 기반 XGBoost을 활용한 한국프로야구 투수 케이시 켈리의 상황별 구종 예측 모델 개발", 한국융합과학회지, 12(10), pp.87~98 (2023), 한국융합과학회
- 조선미, "머신러닝(XGBoost)기반 미국프로야구(MLB)의 투구별 안타 및 홈런 예측 모델 개발", 한국체육측정평가학회지, 25(1), pp.65~76 (2023), 한국체육측정평가학회[DOI]
- 조형석, "MLB 타자들의 스윙존에 따른 스윙선택 성향분석", 석사, pp.2021
- 최형준, "축구의 경기 결과 예측을 위한 머신러닝 기법 비교", 한국체육측정평가학회지, 24(4), pp.81~91 (2022), 한국체육측정평가학회[DOI]
- 한정섭, "머신러닝을 활용한 빅데이터 분석을 통해 KBO 타자의 OPS 예측", 차세대융합기술학회논문지, 6(1), pp.12~18 (2022), 국제차세대융합기술학회
- 홍종선, "2017년 한국프로야구 타자력 예측모형 개발", 한국데이터정보과학회지, 28(3), pp.635~646 (2017), 한국데이터정보과학회[DOI]
- Mingxi C., "There Is Hope After All : Quantifying Opinion and Trustworthiness in Neural Networks", Frontiers in Artificial Intelligence, 3(0), pp.1~19 (2020)[DOI]