본문 바로가기
KERD
논문KCI 등재

머신러닝과 설명가능한 인공지능 SHAP 기법을 활용한 여자 농구 월드컵의 승패 결정 요인 탐색

Exploring the Determinants of Victory and Defeat in the Women's Basketball World Cup Using Machine Learning and Explainable Artificial Intelligence SHAP Techniques

이성노|예원진
한국체육측정평가학회 (Korean Society For Measurement And Evaluation In Physical Education And Sports Science)|2023.12|한국체육측정평가학회지 (The Korean Journal of Measurement and Evaluation in Physical Education and Sports Science)|제25권 제4호|pp. 97-110|DOI 10.21797/ksme.2023.25.4.009

0

조회

0

다운로드

0

인용

0

참고문헌

키워드

Machine learning머신러닝설명가능한 인공지능explainable artificial intelligence승패결정요인SHAP 기법SHAP techniquewin-loss decision factors

초록

본 연구는 여자 농구 월드컵의 승패결정요인을 추정하기 위하여 Decision Tree, Random Forest, Gradient Boosting Trees, XG Boost 총 4가지 머신러닝 기법을 적용해서 각 기법별의 예측 성능을 비교하며 가장 뛰어난예측 성능을 나타낸 머신러닝 모형을 기반으로 SHAP 기법을 사용하여 승패 요인 중요도를 분석하는데 목적을 두었다. 본 연구의 대상은 2002년(제14회)부터 2022년(제19회)까지 여자 농구 월드컵 경기대회에 참가한 팀이 겨룬 총 302 경기의 경기내용을 대상으로 두 팀의 공식기록을 연구 대상으로 선정하였으며(n=604), 분석에 사용된 변인은 여자농구 월드컵 홈페이지에서 제공된 Box Score 데이터를 사용하여 총 19개 독립변인과 1개 종속변인으로 선정하였다. 본 연구의 자료 수집과 처리를 위하여 통계프로그램 Python 3.10.1 버전을 라이브러리와 함께 사용하였고, 얻은결과는 다음과 같다. 첫째, 기법별 예측 결과에서는 Random Forest 모델이 Decision Tree, Gradient Boosting Trees, XG Boost 기법보다 가장 뛰어난 예측 성능을 나타냈고 테스트 세트에서 예측 정확도는 82.64%, 정밀도는0.826, 재현율은 0.826, F1 점수는 0.826으로 나타났다. 둘째, Gradient Boosting Trees와 XG Boost 기법을이용하여 경기 승패 결과를 예측했을 때, 데이터 세트의 표본 크기가 충분하지 않기 때문에 과적화(Overfitti ng) 현상이 나타났다. 셋째, 설명가능한 인공지능(eXplainable AI) SHAP 기법을 적용하여 여자 농구 월드컵에서 승패에 정(+) 의 영향을 미치는 중요한 요인은 수비 리바운드(DREB), 슛 성공률(FG%), 2점슛 성공수(2PTSM), 2점슛 성공률(2PTS%) 등 순으로 나타났으며, 반면 승패에 영향을 미치는 상대적으로 중요하지 않은 요인은 3점슛 시도수(3PTSA), 2점슛 시도수(2PTSA), 3점슛 성공수(3PTSM), 슛 시도수(FGA) 등 순으로 확인되었다.

Abstract

This study applied a total of four machine learning techniques, Decision Tree, Random Forest, Gradient Boosting Trees, and The purpose was to analyze the importance of win-loss factors using the SHAP technique based on a machine learning model. The subject of this study was a total of 302 games played by teams participating in the Women's Basketball World Cup from 2002 (14th) to 2022 (19th), and the official records of the two teams were selected as the subject of study. (n=604), and the variables used in the analysis were selected as a total of 19 independent variables and 1 dependent variable using box score data provided on the Women's Basketball World Cup website. To collect and process data for this study, the statistical program Python 3.10.1 version was used with the library, and the results obtained are as follows. First, in the prediction results by technique, the Random Forest model showed the best prediction performance over Decision Tree, Gradient Boosting Trees, and It appeared. Second, when predicting the outcome of a game using Gradient Boosting Trees and XG Boost techniques, overfitting occurred because the sample size of the data set was insufficient. Third, by applying the explanatory artificial intelligence (eXplainable AI) SHAP technique, the important factors affecting the win and loss in the women's basketball World Cup were in the order of defensive rebound (DREB), shot success rate (FG%), two-point shot success rate (2PTSM), and two-point shot success rate (2PTS%). On the other hand, the relatively insignificant factors affecting the win and loss were in the order of three-point attempts (3PTSA), two-point attempts (2PTSA), three-point attempts (3PTSM), and shot attempts (FGA).

참고문헌 (54)

  1. 강보람, "리조트 교차판매 예측모형 개발 및 SHAP을이용한 해석", 한국빅데이터학회 학회지, 7(2), pp.195~204 (2022), 사)한국빅데이터학회[DOI]
  2. 강혜린, "한국여자프로농구(WKBL) 팀 순위에 영향을 미치는 경기력 요인 비교․분석", 코칭능력개발지, 24(2), pp.244~250 (2022), 한국코칭능력개발원
  3. 고기혁, "설명가능한 인공지능을 위한 특성기여도 분석 방법론 조사", 정보과학회논문지, 47(12), pp.1181~1191 (2020), 한국정보과학회[DOI]
  4. 구승환, "국내 남자 프로농구 승패 예측 모형 비교 연구", 체육과학연구, 20(4), pp.704~711 (2009), 국민체육진흥공단 한국스포츠정책과학원[DOI]
  5. 김도희, "설명가능한 인공지능을 활용한 컨테이너 운임 예측 모형 연구", 해운물류연구, 39(2), pp.197~215 (2023), 한국해운물류학회[DOI]
  6. 김세형, "한국남자프로농구 경기기록 분석을 통한 승패결정요인 추정방법 비교", 한국체육과학회지, 21(3), pp.1347~1360 (2012), 한국체육과학회[DOI]
  7. 김희진, "여자 대학농구와 여자 프로농구의 득점 기술유형 비교", 석사, pp.2021
  8. 맹준영, "머신러닝과 SHAP 기법을 활용한 온라인교육콘텐츠 이용 결정요인 탐색", 석사, pp.2022
  9. 박정수, "수질자료의 특성을 고려한 앙상블 머신러닝 모형 구축 및 설명가능한 인공지능을 이용한 모형결과 해석에 대한 연구", 상하수도학회지, 36(4), pp.239~248 (2022), 대한상하수도학회
  10. 박제영, "2004 여자프로농구 겨울리그의 승 ․ 패 요인 분석", 論文集(수원대학교), 22(1), pp.601~611 (2004)
  11. 범쟁쟁, "농구 승패결정요인 추정을 위한 앙상블 머신러닝 모형의 성능 비교 : 2022 FIBA 남자농구 아시아컵대회를 중심으로", 한국체육과학회지, 32(3), pp.845~853 (2023), 한국체육과학회[DOI]
  12. 서지범, "머신러닝과 설명가능한 인공지능 SHAP을 활용한 사범대 과학교육 전공생의 전공만족도 및 학업만족도 영향요인 탐색", 과학교육연구지, 47(1), pp.37~51 (2023), 과학교육연구소[DOI]
  13. 예원진, "머신러닝 분류 모형을 이용한 FIBA 여자농구 아시안컵 대회의 승패 예측 및 요인 분석에 관한 연구", 한국체육과학회지, 31(5), pp.1009~1021 (2022), 한국체육과학회[DOI]
  14. 에원진, "2021 여자 농구 아시안컵 경기대회의 경기력 비교 - 한국, 중국, 일본, 호주를 중심으로 -", 코칭능력개발지, 24(4), pp.236~242 (2022), 한국코칭능력개발원
  15. 오세우, "2016-2017 여자 프로 농구 우승팀과 비 우승팀의 경기력 변인의 차이점", 석사, pp.2017
  16. 유인영, "부산 아시안게임 여자농구 한국 ․ 중국 경기내용 비교 분석", 한국체육교육학회지, 10(1), pp.69~78 (2005)
  17. 윤연아, "SHAP를 활용한 중요변수 파악 및 선택에 따른 잔여유효수명 예측 성능 변동에 대한 연구", 한국산업경영시스템학회지, 44(4), pp.1~11 (2021), 한국산업경영시스템학회
  18. 이재준, "XGBoost와 SHAP 기법을 활용한 근로자 이직 예측에 관한 연구", 정보시스템연구, 30(4), pp.21~42 (2021), 한국정보시스템학회
  19. 임주희, "설명 가능한 AI 기반 방사 공정의 불량 및 요인분석", 석사, pp.2023
  20. 임희경, "설명가능한 인공지능(explainable AI, XAI)의 필요성과 연구동향", 정보기술융합공학논문지, 12(1), pp.51~57 (2022), IT연구소[DOI]
  21. 장은아, "고등학생의 학업무기력에 영향을 미치는 주요 예측변인 탐색: 랜덤포레스트와 SHAP 적용", 교육학연구, 61(1), pp.31~63 (2023), 한국교육학회[DOI]
  22. 저우차오, "농구 공식기록 기반 상대적 경기력 지표 개발", 박사, pp.2021
  23. 조월, "근린환경이 도시활력에 미치는 영향 분석", 석사, pp.2021
  24. 조정환, "스포츠 빅데이터 활용과 전망", 한국체육측정평가학회지, 14(3), pp.01~11 (2012), 한국체육측정평가학회[DOI]
  25. 최경식, "2010 FIFA 남아공월드컵 우승팀의 경기내용 분석", 박사, 체육학과 체육학전공, pp.2013
  26. 최현수, "한국과 미국 선수의 경영 종목별 경기력 비교", 석사, pp.2019
  27. 최형준, "축구의 경기 결과 예측을 위한 머신러닝 기법 비교", 한국체육측정평가학회지, 24(4), pp.81~91 (2022), 한국체육측정평가학회[DOI]
  28. 한재순, "한국여자 프로농구리그(WKBL)경기의 공격 및 수비요인이 승패에 미치는영향", 體育科學硏究論叢(용인대학교), 16(1), pp.57~71 (2006)
  29. 한정아, "랜덤 포레스트와 SHAP을 활용한 고등학생의 창의적 사고 예측변수 탐색", 교육학연구, 61(4), pp.101~131 (2023), 한국교육학회
  30. Ackland, T. R., "Absolute size and proportionality characteristics of World Championship female basketball players", Journal of Sports Sciences, 15(5), pp.485~490 (1997)[DOI]
  31. Alfredo, Y. F., "Football match prediction with tree based model classification", International Journal of Intelligent Systems and Applications, 11(7), pp.20~28 (2019)[DOI]
  32. Baboota, R., "Predictive analysis and modelling football results using machine learning approach for English Premier League", International Journal of Forecasting, 35(2), pp.741~755 (2019)[DOI]
  33. Cao, C, "Sports data mining technology used in basketball outcome prediction", Master, pp.2012
  34. Choi, D. H., "Winning factors : How players' positional offensive and defensive skills affect probability of victory in the Korea Basketball league", International Journal of Sports Science & Coaching, 10(3), pp.453~459 (2015)[DOI]
  35. Csataljay, G., "Performance indicators that distinguish winning and losing teams in basketball", International Journal of Performance Analysis in Sport, 9(1), pp.60~66 (2009)
  36. Elfrink T., "Predicting the outcomes of MLB games with a machine learning approach", Doctor, pp.2018
  37. Gu, W., "A gamepredicting expert system using big data and machine learning", Expert Systems with Applications, 130(5), pp.293~305 (2019)[DOI]
  38. Harrington, P, "Machine learning in action" (2012), Manning Publications
  39. Hassonah, M. A., "Churn prediction : A comparative study using KNN and decision trees", 2019 Sixth HCT Information Technology Trends (ITT), pp.182~186 (2019)
  40. Horvat, T., "The use of machine learning in sport outcome prediction : A review", Wiley Interdisciplinary Reviews : Data Mining and Knowledge Discovery, 10(5), pp.138~151 (2020)[DOI]
  41. Jadhav, S. D., "Comparative study of K-NN, naive Bayes and decision tree classification techniques", International Journal of Science and Research, 5(1), pp.1842~1845 (2016)
  42. Jain, S., "Machine learning approaches to predict basketball game outcome", 2017 3rd International Conference on Advances in Computing, Communication & Automation (ICACCA), (Fall), pp.1~7 (2017)
  43. Kannan, A., "Predicting national basketball association success : A machine learning approach", SMU Data Science Review, 1(3), pp.7~20 (2018)
  44. Koutsouridis, C., "The efficacy of"High Pick and Roll"in relation to the defence’s reaction and its effect on the result of the game", International Journal of Performance Analysis in Sport, 18(4), pp.554~567 (2018)[DOI]
  45. Krishnan, N. J., "Integrating advanced statistics to predict the outcome of National Basketball Association games with machine learning", ECS Transactions, 107(1), pp.263~275 (2022)[DOI]
  46. Li, B., "Application of artificial intelligence in basketball sport", Journal of Education, Health and Sport, 11(7), pp.54~67 (2021)[DOI]
  47. Migliorati, M., "Detecting drivers of basketball successful games : an exploratory study with machine learning algorithms", Electronic Journal of Applied Statistical Analysis, 13(2), pp.454~473 (2020)[DOI]
  48. Nguyen, N. H., "The application of machine learning and deep learning in sport : predicting NBA players’ performance and popularity", Journal of Information and Telecommunication, 6(2), pp.217~235 (2022)[DOI]
  49. Page, G. L., "Using box-scores to determine a position's contribution to winning basketball games", Journal of Quantitative Analysis in Sports, 3(4), pp.190~203 (2007)[DOI]
  50. Ruano, M. A. G., "Differences in the performance indicators of winning and losing women's basketball teams during home", away games, 2007, pp.16(1), 41~54
  51. Thabtah, F., "NBA game result prediction using feature analysis and machine learning", Annals of Data Science, 6(1), pp.103~116 (2019)[DOI]
  52. Wang, J., "Skills and offensive tactics used in pick-up basketball games", Perceptual and Motor Skills, 109(2), pp.473~477 (2009)[DOI]
  53. Zhang, S., "Modelling the relationship between match outcome and match performances during the 2019 FIBA Basketball World Cup : a quantile regression analysis", International Journal of Environmental Research and Public Health, 17(16), pp.5722~5733 (2020)[DOI]
  54. Zhao, R, "The analysis of the winning factors of the chinese women's basketball team in the 2020 Tokyo Olympic qualifiers for the chinese college women's basketball team", 2021 2nd International Conference on Computers, Information Processing and Advanced Education, pp.49~53 (2021)

관련 논문AI추천

세계여자핸드볼선수권대회의 라운드별 승패결정요인 탐색 및 비교강용구, 김혜진, 조은혜한국체육측정평가학회 · 한국체육측정평가학회지2021 · 제23권 제3호2022 FIBA 남자농구 아시안컵 경기결과를 활용한 머신러닝 분류 모형의 예측 성능 비교예원진, 이성노한국체육측정평가학회 · 한국체육측정평가학회지2022 · 제24권 제3호의사결정나무 분석을 통한 세계핸드볼 승패결정요인 분석김현철한국디지털정책학회 · 디지털융복합연구2021 · 제19권 제5호머신러닝을 활용한 한국프로농구 정규리그 최종 순위 예측: 스포츠 애널리틱스 관점김필수, 이상현한국체육측정평가학회 · 한국체육측정평가학회지2023 · 제25권 제2호한국프로야구(KBO) 투구 데이터 기반 다중분류 인공지능 구종 예측과 SHAP 해석조선미한국체육측정평가학회 · 한국체육측정평가학회지2025 · 제27권 제3호배깅과 부스팅 알고리즘을 이용한 핸드볼 결과 예측 비교김지응, 김태규, 박종철, 안지환, 이희화한국융합학회 · 한국융합학회논문지2021 · 제12권 제8호

이 간행물의 다른 논문 (9건)

학생선수 관련 뉴스 기사의 이슈탐색: 토픽모델링 활용김혜진, 조은혜, 조성인pp. 1-10스포츠영재 육성에서 부모 역할과 부모교육 필요성 탐색조정환, 이미숙pp. 11-22히스카터 체형분류법의 디지털 변혁: 딥러닝 모델 활용윤지운, 박재현pp. 23-34MLB 타자의 경기력 유형에 따른 팀 승률 변화 분석이기봉, 황수웅pp. 35-46부모의 신체활동 참여가 아동의 Physical Literacy에 미치는 영향이정민, 정현철, 정형웅, 고현서, 송종국pp. 47-57
원문 보기