본문 바로가기
KERD
논문KCI 등재

한국 프로야구에서 등급별 선수 구성 정보를 활용한 기계학습 회귀 모델의 팀 득점 예측력 개선

Improving prediction ability of Team Runs for machine learning regression model with player composition information by grade in KBO(Korea Baseball Organization)

김진호|신동윤
한국차세대컴퓨팅학회 (KINGComputing)|2023.08|한국차세대컴퓨팅학회 논문지 (The Journal of Korean Institute of Next Generation Computing)|제19권 제4호|pp. 7-19|DOI 10.23019/kingpc.19.4.202308.001

1

조회

0

다운로드

2

인용

0

참고문헌

키워드

인공지능기계학습Artificial Intelligence회귀Machine LearningRegression야구Baseball득점Runs
주제분류컴퓨터학

초록

야구는 "타점"을 해주는 타자가 있어야 주자가 "득점"을 할 수 있고, 타순별로 균등하게 공격 기회를 부여받는다는 특징이 있다. 이러한 특징은 공격이 우수한 선수에게 공격 기회를 집중시킬 수 없다는 것을 의미하는데, 그렇기 때문에 선수 구성이 특히 중요한 종목이다. 본 연구에서는 이 선수 구성 정보가 팀 득점 예측력을 높이는 데에 유용하게 사용될 수 있는지를 확인해 보았다. 타율(AVG), 출루율(OBP), 장타율(SLG), OPS(On-Base Plus Slugging), wOBA(weighted On Base Average), wRC+(Weighted Runs Created) 등의 개인별 평가지표를 기준으로 선수들에게 각각의 평가지표별 등급을 부여하고, 이 등급별 선수 분포 정보를 팀 득점 예측에 사용하였다. 실험 결과, 등급별 선수 분포 정보를 팀 공격력 통계와 함께 사용하여 팀 득점을 예측하면, 팀 통계만을 사용하여 예측하는 것보다 더 정확하게 팀 득점을 예측하였다. 본 연구에서 제안하는 방법은, 각 통계 항목별로 어떤 등급의 선수들이 몇 명씩 있는지 까지를 고려하여 팀 득점을 예측하는 방법이므로, 예측력을 높여줄 뿐만 아니라, 팀 통계가 비슷한 팀들 사이에서 팀 득점에 대한 우열을 예측하고자 할 때 유용하게 사용할 수 있다.

Abstract

Baseball is a sport in which a runner can get "Runs" only when there is a batter who raises an RBI. And since each batter receives equal opportunities to bat, it is impossible to funnel more offensive opportunities into a standout player. Therefore, player composition is particularly important. In this study, we checked whether the batter composition information could be usefully used to predict team runs more accurately. Players were given a grade for each evaluation index based on individual evaluation indicators. Such as batting average(AVG), on-base percentage(OBP), slugging percentage(SLG), OPS(On-Base Plus Slugging), wOBA(Weighted On Base Average), wRC+(Weighted Runs Created), and the player distribution information for each grade was used to predict team runs. As a result of the experiment, it was confirmed that the team runs were predicted more accurately if we used the player distribution information by grade with team's batting statistics than used only team's batting statistics. The method proposed in this study considers the number of players in each grade to predict the team's scoring ability. So it is useful not only in improving prediction accuracy but also in predicting the level of the team's scoring ability hierarchically among teams with similar statistic values.

참고문헌 (24)

  1. "KBO Official Baseball Rules"[URL]
  2. "Mania Times"[URL]
  3. 조영석, "한국 프로야구에서 OPS와 득점에 관한 연구", Journal of The Korean Data Analysis Society, 7(1), pp.221~231 (2005), 한국자료분석학회
  4. 장진희, "한국 프로야구의 구단 승률에 대한 분석", 한국스포츠산업경영학회지, 19(3), pp.17~31 (2014), 한국스포츠산업경영학회
  5. 이해용, "한국프로야구의 기록이 승리에 미치는 영향분석", Journal of The Korean Data Analysis Society, 10(6), pp.3413~3422 (2008), 한국자료분석학회
  6. 김창권, "프로야구 기록을 통한 승리 요인에 관한 연구", Journal of The Korean Data Analysis Society, 16(1), pp.211~220 (2014), 한국자료분석학회
  7. 이장택, "한국프로야구에서 타자능력의 측정", 한국데이터정보과학회지, 25(2), pp.349~356 (2014), 한국데이터정보과학회[DOI]
  8. 정세창, "퇴직급여 현황과 퇴직연금의 연금화 방안", 한국데이터정보과학회지, 23(6), pp.1165~1172 (2012), 한국데이터정보과학회[DOI]
  9. Jeong Jin-Sang, "Efficient Estimation Model of Hitter Using Big Data Analysis in Korea Baseball League", Master, pp.2014
  10. "Five General Types of Regression Analysis Techniques and Their Respective Applications"[URL]
  11. 신상근, "각 이닝 선두 세 타자의 출루 능력이 득점에 미치는 영향 -롯데자이언츠를 중심으로-", Journal of The Korean Data Analysis Society, 12(1), pp.563~572 (2010), 한국자료분석학회
  12. 신동윤, "한국프로야구에서 장타율과 출루율(OPS) 예측 연구", 한국빅데이터학회 학회지, 7(1), pp.49~61 (2022), 사)한국빅데이터학회[DOI]
  13. 한정섭, "머신러닝을 활용한 빅데이터 분석을 통해 KBO 타자의 OPS 예측", 차세대융합기술학회논문지, 6(1), pp.12~18 (2022), 국제차세대융합기술학회
  14. "Statiz"[URL]
  15. "FanGraphs"[URL]
  16. "Data Baseball in 'Stove League', Savermetrics"[URL]
  17. 장다슬, "과거시차를 고려한 지지벡터 회귀모형에 기반한 서울지역 가뭄예측", Journal of The Korean Data Analysis Society, 19(2), pp.675~688 (2017), 한국자료분석학회[DOI]
  18. 김예진, "스태킹 앙상블 모델을 이용한 시간별 지상 오존 공간내삽 정확도 향상", 한국지리정보학회지, 25(3), pp.74~99 (2022), 한국지리정보학회[DOI]
  19. 노희선, "토마토 스마트팜 생육데이터와 수확량의 연관성 분석", 융복합지식학회논문지, 8(3), pp.17~25 (2020), 융복합지식학회[DOI]
  20. "Data Baseball, Then Baseball Homework"[URL]
  21. "Baseball Statistics Made by Science, 'Savermetrics'"[URL]
  22. 손남례, "발전변동량을 고려한 SVR기반 제주도지역의단기풍력발전량예측", 한국차세대컴퓨팅학회 논문지, 14(2), pp.7~15 (2018), 한국차세대컴퓨팅학회
  23. 박헌우, "다양한 기계학습 알고리즘을 활용한 요구사항 문장의 분류 및 추천 정확도 분석", 한국차세대컴퓨팅학회 논문지, 18(5), pp.72~83 (2022), 한국차세대컴퓨팅학회[DOI]
  24. 손귀영, "기계학습을 이용한 EEG 신호 기반 감정상태 평가 및 분류 검증", 한국차세대컴퓨팅학회 논문지, 18(1), pp.37~46 (2022), 한국차세대컴퓨팅학회[DOI]

관련 논문AI추천

한국프로야구에서 장타율과 출루율(OPS) 예측 연구김진호, 신동윤사)한국빅데이터학회 · 한국빅데이터학회 학회지2022 · 제7권 제1호서포트 벡터 회귀를 이용한 프로야구 팀의 승률 예측: 타자 경기력 유형 조합에 따른 설명 가능성을 중심으로*이기봉, 황수웅한국체육측정평가학회 · 한국체육측정평가학회지2024 · 제26권 제2호변수선택 기법을 이용한 한국 프로야구의 득점과 실점설명김예형, 김혁주국가데이터연구원 · 통계연구2015 · 제20권 제3호기계학습 기법을 이용한 한국프로야구 승패 예측 모델문형우, 서영진, 우용태한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2019 · 제24권 제2호기계학습을 활용한 프로야구 승부예측에 관한 연구노언석, 최재현한국IT정책경영학회 · 한국IT정책경영학회 논문지2017 · 제9권 제1호MLB 타자의 경기력 유형에 따른 팀 승률 변화 분석이기봉, 황수웅한국체육측정평가학회 · 한국체육측정평가학회지2023 · 제25권 제4호

이 간행물의 다른 논문 (7건)

해외 진출 중소기업의 정보보호를 위한 클라우드 기반 통합위협관리 서비스에 관한 연구유기중, 김동호, 박기범, 서종렬pp. 20-28Transformer 모델을 이용한 NGS 빅 데이터의 SNP/Indel 탐색박희진, 노미나, 배준우pp. 29-35구조적 피처에 기반한 컴포넌트 기반 임베디드 소프트웨어 아키텍처 설계류기열, 유인선pp. 36-48딥러닝을 활용한 MRI 영상 내 뇌종양 영역 분할 방법 연구강예진, 변현수, 이호웅, 김현무, 박찬빈pp. 49-57데이터 없이 사전학습된 태스크 모델 기반 생성형 모델의 지속학습신현준, 최동완pp. 58-67
원문 보기