K-Means 클러스터링 기법을 이용한 고교야구 타자를 위한 프로야구 선수지명 예측에 대한 연구
A Study on Pro-baseball Player Nomination Prediction for High School Baseball Hitter Using K-Means Clustering Method
0
조회
0
다운로드
4
인용
0
참고문헌
키워드
초록
최근에 다양한 IT/BT 관련기업과 대학 그리고 정부 공공연구소에서 4차 산업혁명의 거대한 흐름에 대한 새로운 도약의 기회로 사물인터넷(IoT)과 빅데이터(Big data)의 두뇌 역할을 담당하는 인공지능(Artificial intelligence) 개발에 최선을 다하여 연구하고 있다. 인공지능은 인간의 경험을 바탕으로 인지과정 규칙을 방대한 데이터를 이용하여 학습과 추론, 지각능력과 자연어의 분석능력을 통해 스스로 규칙을 알아내는 머신 러닝(Machine learning)이 대표적이다. 기계 학습은 수학의 통계학적이고 논리적인 알고리즘을 이용하여 각종 자료를 학습, 분석하고 예측한다. 이는 항공, 의료, 금융 및 마케팅, 운송과 물류, 스포츠 산업 등 다양한 분야에서 적극적으로 활용되고 있다. 야구에서 좋은 타자로 성장하기 위해서는 힘과 속도, 민첩성 그리고 플레이감각이 뛰어나야 한다. 그리고 이를 바탕으로 하여 안타, 장타율, 출루율, OPS 와 같은 지표가 우수해야 한다. 본 논문에서는 텐서플로우(Tensorflow)을 이용하여 고등학교 타자(야수)의 프로야구 지명을 예측하기 위한 K-Means 클러스터링 기법을 연구한다. 이를 위하여 타자의 장타율과 출루율을 학습데이터로 이용하며 예측 기법을 구현하고 성능을 평가한다. 이를 토대로 하여 특정 타자가 프로야구에 지명되는 지를 예측할 수 있다.
Abstract
Recently, IT/BT companies, universities, and research institutes of government have developed Artificial Intelligence(AI) that plays a role as the brain of the Internet of Things (IoT) and Big Data as an opportunity for a new leap forward in the 4th industrial revolution and then they are doing our best to research and develop. A key method of Artificial Intelligence is machine learning, which uses large amounts of data to determine the rules of a cognitive process based on human experience, and finds out rules by itself through learning and reasoning, perceptual ability and natural language analysis ability. Machine learning learns, analyzes, and predicts various data using statistical and logical algorithms of mathematics. It is being actively used in various fields such as aviation, medical care, finance and marketing, transportation and logistics, and sports industry. In order to grow as a good hitter(field player) in baseball, they must have excellent strength, speed, agility, and a sense of play. And based on this, indicators(baseball statistics such as batting average(BA), slugging percentage(SLG), on-base percentage(OBP), and OPS must be excellent. We design and implement the K-Means clustering method to predict the professional baseball nominations of high school hitters using Tensorflow in this paper. We use the batter's slugging percentage and on-base percentage as learning data, implement prediction method, and evaluate performance. Based on this, We can predict whether a specific batter will be nominated or not for professional baseball.
참고문헌 (18)
- "Internet of Thing(IoT), Big Data, Artificial Intelligence(AI)"[URL]
- Introduction to machine learning, Robotics Laboratory, "J. Nilsson", Department of Computer Science, Stanford University, ~ (1998)
- C. Bishop, "Pattern recognition and machine learning" (2006), Springer
- T. Mitchell, "Machine learning" (1997), McGraw Hill
- 이영준, "직구와 커브 투구동작의 운동학적 비교 분석", 한국운동역학회지, 12(2), pp.109~130 (2002), 한국운동역학회
- "Baseball Reference"[URL]
- "Fangraph Baseball"[URL]
- "Korea Baseball Softball Association"[URL]
- "Korea University Softball Foundation"[URL]
- 조영석, "한국 프로야구에서 OPS와 득점에 관한 연구", Journal of The Korean Data Analysis Society, 7(1), pp.221~231 (2005), 한국자료분석학회
- 이신원, "K-Means 클러스터링에서 초기 중심 선정 방법 비교", 인터넷정보학회논문지, 13(6), pp.1~8 (2012), 한국인터넷정보학회[DOI]
- 오영환, "선형회귀분석 기법을 이용한 고교야구투수의 투구속도 예측", 한국지식정보기술학회 논문지, 14(4), pp.381~390 (2019), 한국지식정보기술학회[DOI]
- 오영환, "다중선형회귀분석 기법을 이용한 고교야구투수의 방어율 예측", 한국지식정보기술학회 논문지, 15(4), pp.497~506 (2020), 한국지식정보기술학회[DOI]
- "Tensorflow Tutorials"[URL]
- 승희배, "한국 프로야구 선수들의 경기력과 연봉의 관계 분석", 한국데이터정보과학회지, 23(2), pp.285~298 (2012), 한국데이터정보과학회
- J. Dougherty, "Supervised and unsupervised discretization of continuous features", Proceeding of the Twelfth International Conference on Machine Learning, pp.194~202 (1995)
- 오영환, "로지스틱 회귀분석 기법을 이용한 고교야구투수의 프로야구 지명예측에 대한 연구", 한국지식정보기술학회 논문지, 16(4), pp.721~730 (2021), 한국지식정보기술학회[DOI]
- "Tensorflow"[URL]