한국프로야구에서 빅 데이터 분석 기법을 이용한 수비수 평가모델
An Estimation Model for Defence Ability Using Big Data Analysis in Korea Baseball
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
본 연구에서는 한국프로야구에서 수비수의 수비 능력을 객관적으로 평가하기 위한 새로운 모델을 제시하였다. 제안 모델에서는 2016년부터 2019년까지 한국프로야구 경기 데이터를 이용하여구단, 수비 포지션별로 대표 수비수를 선정하여 수비 능력을 평가하였다. 수비력을 평가하기 위하여 포지션별로 수비 범위를 계산하고 계산된 수비지역을 분할하는 방법은 제안하였다. 포지션별수비 범위는 같은 포지션의 수비수들이 타구를 아웃시킨 지점을 기준으로 컨벡스 헐(Convex Hull) 알고리즘을 이용하여 계산하였다. 포지션별 수비 범위를 이용하여 내야수, 외야수 모두에 대한 아웃전환점수, 승리기여점수를 기본 점수로 계산하였다. 또한, 내야수는 병살 점수, 외야수는 추가진루 점수를 따로 계산하여 합산하였다.
Abstract
In this paper, a new model was presented to objectively evaluate the defense ability of defenders in Korean professional baseball. In the proposed model, using Korean professional baseball game data from 2016 to 2019, a representative defender was selected for each team and defensive position to evaluate defensive ability. In order to evaluate the defense ability, a method of calculating the defense range for each position and dividing the calculated defense area was proposed. The defensive range for each position was calculated using the Convex Hull algorithm based on the point at which the defenders in the same position threw out the ball. The out conversion score and victory contribution score for both infielders and outfielders were calculated as basic scores using the defensive range for each position. In addition, double kill points for infielders and extra base points for outfielders were calculated separately and added together.
참고문헌 (15)
- 조정환, "스포츠 빅데이터 활용과 전망", 한국체육측정평가학회지, 14(3), pp.01~11 (2012), 한국체육측정평가학회[DOI]
- Mochamad Sandy Triady, "Analysis of Decision Making Process in Moneyball: The Art of Winning an Unfair Game", The Winners, 16(1), pp.57~63 (2015), Universitas Bina Nusantara[DOI]
- N. M. Watanabe, "Big Data and Analytics in Sport Management", Human Kinetics Journals, 35(3), pp.197~202 (2021)
- M. G. Litchtman, "Ultimate zone rating", The Baseball ThinkFactory, ~ (2013)
- Shane T. Jensen, "Bayesball: A Bayesian hierarchical model for evaluating fielding in major league baseball", The Annals of Applied Statistics, 3(2), pp.491~520 (2009), Institute of Mathematical Statistics[DOI]
- Jaemin Kim, "Data analytics and performance: The moderating role of intuition-based HR management in major league baseball", Journal of Business Research, 122, pp.204~216 (2021), Elsevier BV[DOI]
- 박준영, "CNN(Convolutional Neural Network) 모델을 이용한 야구 경기 영상의 동작 분류 및 검색시스템", 한국컴퓨터정보학회논문지, 26(8), pp.31~37 (2021), 한국컴퓨터정보학회[DOI]
- 이장택, "한국프로야구에서의 투수평가지표", 한국데이터정보과학회지, 25(3), pp.485~492 (2014), 한국데이터정보과학회[DOI]
- 서영진, "기계학습 기법을 이용한 한국프로야구 승패 예측 모델", 한국컴퓨터정보학회논문지, 24(2), pp.17~24 (2019), 한국컴퓨터정보학회[DOI]
- 문형우, "한국 프로야구 경기에서 기대득점과 기대승리확률의 계산", 응용통계연구, 29(2), pp.321~330 (2016), 한국통계학회
- 이수현, "유전 알고리즘을 이용한 한국프로야구 타자평가모형", 한국컴퓨터정보학회논문지, 24(1), pp.41~47 (2019), 한국컴퓨터정보학회[DOI]
- "The Fangraphs UZR Primer"[URL]
- "UZR Primer"[URL]
- "Z Score"[URL]
- R. V. Chadnov, "Convex hull algorithms review", Proceedings. The 8th Russian-Korean International Symposium on Science and Technology, KORUS 2004, 2, pp.112~115 (2004)