다중선형회귀분석 기법을 이용한 고교야구투수의 방어율 예측
High-School Baseball Pitcher’s ERA(Earned Run Average) Prediction Using Multi-Variable Linear Regression Analysis Method
0
조회
0
다운로드
11
인용
0
참고문헌
키워드
초록
최근에 인공 지능에 관한 연구가 활발히 진행 중이고, 학자와 연구원들이 인간을 넘어서는 인공 지능을 제작하기 위해 끊임없이 노력 중이다. 기계 학습은 수학의 논리적인 알고리즘을 이용해 각종 데이터를 학습, 분석하고 예측한다. 이 분석한 내용을 기반으로 의사 결정을 도와준다. 최종적으로 소프트웨어나 프로그램에 최적화된 알고리즘을 직접 기술해 넣는 것이 아니라 대용량의 빅데이터와 학습 알고리즘을 이용하여 IT기기 또는 전자장치 그 자체가 학습하도록 하여 실행 능력을 만드는 것을 목표로 한다. 선형 회귀는 하나 이상의 독립 변수 x와 종속 변수 y와의 선형 상관 관계를 모델링하는 회귀분석 기법으로 일반적으로 최소제곱법을 이용해 선형 회귀 모델을 정립한다. 다중 선형회귀분석은 독립 변수가 2개 이상인 회귀 모형을 분석 대상으로 한다. 단순 회귀분석은 하나의 독립 변수를 가지고 추정함으로써 편의현상(bias)를 가지고 올 수 있다. 야구선수의 투수 능력은 속구 스피드, 제구, 집중력이 좌우한다. 특히 투수의 스탯 중 WHIP, 피안타율, 탈삼진율은 투수의 중요한 척도가 된다. 본 논문에서는 투수의 WHIP, 피안타율, 탈삼진율을 학습데이터로 하여 방어율을 예측한다. 이를 토대로 하여 특정 투수가 프로에 지명되는 지를 예견할 수 있다.
Abstract
Recently, studies on artificial intelligence has been actively conducted, and scholars and researchers are constantly trying to create artificial intelligence beyond humans. Machine learning uses mathematics' logical algorithms to learn, analyze and predict various data. It assists decision making based on this analysis. The goal is not to directly write algorithms optimized for software or programs, but to create execution capabilities by letting IT devices or electronic devices themselves learn using large-scale big data and learning algorithms. Linear regression is a regression analysis method that models the linear correlation between one or more independent variables(x) and a dependent variable(y). Generally, a linear regression model is established using a least squares method. Multiple linear regression analysis targets regression models with two or more independent variables. Simple regression analysis can bring bias by estimating with only one independent variable. A baseball player's pitching ability depends on his speed, ball and concentration. In particular, among pitchers' stats, WHIP, H/9(Hits Runs Allowed Per 9 Innings Pitched) and K/9(Strikeout Per 9 Innings Pitched) are important measures of pitching. In this paper, the ERA(Earned Run Average) is predicted using the pitcher's WHIP, H/9 and K/9 as training data. We can predict whether a specific pitcher will be nominated for a professional baseball player or not.
참고문헌 (17)
- G. Simari, "Argumentation in artificial intelligence" (2009), Springer Publishing Company
- J. Nilsson, "Introduction to machine learning, Robotics Laboratory", Department of Computer Science, pp.1998
- "Neural Networks and Deep Learning" (2016)[URL]
- G. Huang, "Densely connected convolutional networks", Proceeding of IEEE Conf. Computer Vision Pattern Recognition, pp.4700~4708 (2017)
- 이영준, "직구와 커브 투구동작의 운동학적 비교 분석", 한국운동역학회지, 12(2), pp.109~130 (2002), 한국운동역학회
- "baseball-reference" (2020)[URL]
- R. Whiteley, "Baseball throwing mechanics as they relate to pathology and performance –A review", Journal of Sports Science and Medicine, 6, pp.1~20 (2007)
- "Korea Baseball Softball Association" (2019)[URL]
- "FanGraphs Baseball | Baseball Statistics and Analysis" (2018)[URL]
- C. J. Peng, "An introduction to logistic regression analysis and reporting", The Journal of Educational Research, 96(1), pp.1~15 (2002)
- "Simple and Multiple Linear Regression in Python" (2017)[URL]
- 한익섭, "텐서플로우를 이용한 시정거리 판단 시스템의 구현", 한국지식정보기술학회 논문지, 15(3), pp.323~329 (2020), 한국지식정보기술학회[DOI]
- "Tesorflow Tutorials" (2018)[URL]
- 오영환, "선형회귀분석 기법을 이용한 고교야구투수의 투구속도 예측", 한국지식정보기술학회 논문지, 14(4), pp.381~390 (2019), 한국지식정보기술학회[DOI]
- S. J. Miller, "The method of least squares", Mathematics Department, pp.2006
- J. Dougherty, "Supervised and unsupervised discretization of continuous features", Proceeding of the Twelfth International Conference on Machine Learning, pp.194~202 (1995)
- "tensorflow" (2019)[URL]