인공 신경망을 이용한 한국프로야구 관중 수요 예측에 관한 연구
A Study on Prediction of Attendance in Korean Baseball League Using Artificial Neural Network
0
조회
0
다운로드
8
인용
0
참고문헌
키워드
초록
본 연구는 기존의 수요 예측 등의 시계열 연구에서 주로 사용되는 ARIMA 모형의 어려움을 극복하고자 인공신경망(Artificial neural network) 모형을 이용하여 한국 프로 야구 관중 수를 예측하였다. 훈련 자료로는 2015년 3월부터 9월까지의 일별 KBO 관중 수 자료를 대상으로 하였다. 전방향 신경망(Feedforward neural network)의 모형 훈련 과정에서, 그리드 탐색(Grid search)을 적용하여 최적의 초모수(Hyperparameter)를 찾고자 하였다. 그 결과, 그리드 탐색법의 최적 모형을 이용한 평균 절대 백분율 오차(MAPE)는 평균 20.9% 였다. 앙상블 기법을 이용한 모형의 MAPE는 평균 20.0%였다. 이는 다중회귀와 비교해보았을 때, 평균적으로 각각 26.3%, 30.3% 높은 예측력을 보인다.
Abstract
Traditional method for time series analysis, autoregressive integrated moving average(ARIMA) allows to mine significant patterns from the past observations using autocorrelation and to forecast future sequences. However, Korean baseball games do not have regular intervals to analyze relationship among the past attendance observations. To address this issue, we propose artificial neural network(ANN) based attendance prediction model using various measures including performance, team characteristics and social influences. We optimized ANNs using grid search to construct optimal model for regression problem. The evaluation shows that the optimal and ensemble model outperform the baseline model, linear regression model.
참고문헌 (27)
- 이영훈, "한국프로야구산업의 경쟁력 분석", 체육과학연구, 13(4), pp.85~102 (2002), 국민체육진흥공단 부설 한국스포츠개발원
- Box, Jenkins, "Reinsel. time series analysis, forecasting and control" (1994), Prentice Hall
- 김민철, "시계열분석을 통한 프로야구 관중현황 예측모델연구 : 부산롯데자이언츠를 대상으로", 한국스포츠산업경영학회지, 14(1), pp.17~25 (2009), 한국스포츠산업경영학회
- 설민신, "시계열 분석을 이용한 한국 프로야구 관중 예측연구(2011-2015)", 한국사회체육학회지, (45), pp.375~387 (2011), 한국사회체육학회
- 김형돈, "시계열모형을 이용한 프로야구 구단별 관중 수 예측", 한국체육측정평가학회지, 14(3), pp.57~68 (2012), 한국체육측정평가학회
- 채진석, "한국 프로야구 관중 수 예측", 체육과학연구, 23(4), pp.892~905 (2012), 국민체육진흥공단 부설 한국스포츠개발원
- 한가희, "공변량을 이용한 한국프로야구 관중 수 예측에 대한 고찰", 한국데이터정보과학회지, 25(6), pp.1481~1489 (2014), 한국데이터정보과학회[DOI]
- 이장택, "일반화 자기회귀 조건부 이분산 모형을 이용한 한국프로야구 관중수의 예측", 한국데이터정보과학회지, 21(6), pp.1041~1049 (2010), 한국데이터정보과학회
- 이장택, "한국프로야구 기록들의 장기추세", 한국데이터정보과학회지, 26(1), pp.1~10 (2015), 한국데이터정보과학회[DOI]
- Young Hoon Lee, "The Decline of Attendance in the Korean Professional Baseball League", Journal of Sports Economics, 7(2), pp.187~200 (2006)
- 김혁, "한국 프로야구에서의 원정팀, 요일에 따른 홈팀의 관중 수 예측", 한국스포츠산업경영학회지, 21(6), pp.85~96 (2016), 한국스포츠산업경영학회
- J. A. Winfree, "Location and attendance in major league baseball", Applied Economics, 36(19), pp.2117~2124 (2004)
- 이주호, "프로야구 관중수의 결정요인에 대한 연구", Journal of The Korean Data Analysis Society, 12(6), pp.3507~3517 (2010), 한국자료분석학회
- J. W. Meehan Jr., "Competitive balance and game attendance in major league baseball", Journal of Sports Economics, 8(6), pp.563~580 (2007)
- 이장택, "로지스틱 회귀모형을 이용한 프로야구 홈경기의 이점에 관한 연구", Journal of The Korean Data Analysis Society, 11(1), pp.533~543 (2009), 한국자료분석학회
- William A. Young, "Determining hall of fame status for major league baseball using an artificial neural network", Journal of Quantitative Analysis in Sports, 4(4) (2008)
- A. McCabe, "Artificial intelligence in sports prediction", International Conference on Information Technology: New Generations, pp.1194~1197 (2008)
- 정승훈, "인공신경망 모형과 로지스틱 회귀모형을 이용한 프로야구 관전자 분석 및 예측", 체육과학연구, 26(1), pp.104~121 (2015), 국민체육진흥공단 부설 한국스포츠개발원[DOI]
- B. Karlik, "Performance analysis of various activation functions in generalized MLP architectures of neural networks", International Journal of Artificial Intelligence and Expert Systems, 1(4), pp.111~122 (2011)
- "2016 KBO Year Book"[URL]
- "Naver Sports" (2011)[URL]
- J. Han, "Data Mining: Concepts and Techniques" (2012), Morgan Kaufmann
- T. Hegazy, "Developing practical neural network applications using back-propagation", Journal of Microcomputers in Civil Engineering, 9(2), pp.145~159 (1994)
- H. Larochelle, "An empirical evaluation of deep architectures on problems with many factors of variation", Proceedings of the 24th International Conference on Machine learning (2007), ACM
- A. Y. Ng., "Feature selection, L1 vs. L2 regularization, and rotational invariance", Proceedings of the 21st International Conference on Machine learning (2004)
- R. J. Hyndman, "Another look at measures of forecast accuracy", International Journal of Forecasting, 22(4), pp.679~688 (2006)
- Tamás D. Gedeon, "Data mining of inputs : analysing magnitude and functional measures", International Journal of Neural Systems, 8(2), pp.209~218 (1997)