KBO 리그 관중 수 예측을 위한 앙상블 학습 모델 비교 연구
A Comparative Study of Ensemble Learning Models for Predicting Attendance in the KBO League
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 KBO 리그의 관중 수요를 예측하기 위해 앙상블 학습 기반의 예측 모델을 개발하고그 성능을 비교 분석하였다. 2022년 시즌부터 2024년 시즌까지의 KBO 리그 데이터를 활용하여순위, 승률, 연승/연패, 검색량, 구장, 홈/원정 등의 변수를 수집하였으며, 홈 구장 대비 관중 비율을 목표 변수로 설정하였다. 데이터 전처리 과정에서 월요일 경기를 제외하고 홈/원정 경기의 관중 비율을 7:3으로 설정하여 모델의 현실성을 높였다. Linear Regression, Random Forest, XGBoost, LightGBM 등 다양한 앙상블 모델을 비교한 결과, LightGBM이 RMSE 8.39, R² Score 0.783로 가장우수한 성능을 보였다. 특성 중요도 분석 결과, 온라인 검색량(28.17%)과 승률(25.17%)이 관중 동원에 가장 큰 영향을 미치는 것으로 나타났으며, 팀(10.57%)과 요일(9.73%)도 유의미한 영향을 미치는 것으로 확인되었다. 추가로 수행한 SHAP 분석을 통해 각 변수가 예측에 미치는 영향의 방향성을 파악할 수 있었는데, 특히 홈/원정 여부는 다른 변수들과의 상호작용을 통해 예상보다 더큰 영향력을 미치는 것으로 나타났다. 본 연구는 KBO 구단의 관중 동원 전략 수립과 마케팅 의사결정에 실질적인 도움을 줄 수 있는 예측 모델을 제시하였다는 점에서 의의가 있다.
Abstract
This study developed and analyzed ensemble learning-based prediction models for forecasting attendance in the KBO League. Using KBO League data from 2022 to 2024, we collected variables such as team rankings, winning rates, consecutive wins/losses, search volume, stadiums, and home/away games, with the attendance ratio compared to stadium capacity set as the target variable. In the data preprocessing phase, Monday games were excluded, and the home/away attendance ratio was set to 7:3 to enhance model realism. Among various ensemble models compared, including Linear Regression, Random Forest, XGBoost, and LightGBM, the LightGBM model showed the best performance with an RMSE of 8.39 and R² Score of 0.783. Feature importance analysis revealed that online search volume (28.17%) and winning rate (25.17%) had the most significant impact on attendance, while team (10.57%) and day of the week (9.73%) also showed meaningful influence. Additionally, SHAP (SHapley Additive exPlanations) analysis provided insights into the directional impact of each variable on predictions, particularly revealing that the home/away factor had a stronger influence than expected through interactions with other variables. This study is significant in providing a practical prediction model that can assist KBO teams in establishing attendance strategies and making marketing decisions.