본문 바로가기
KERD
논문KCI 등재

한국프로야구 Post시즌 전력분석 및 예측모형

Performance Analysis and a Forecasting Model for The Short-Term Series in The Korean Professional Baseball League

송종국|채진석
국민체육진흥공단 한국스포츠과학원 (Korea Institute of Sport Science)|2014.03|체육과학연구 (Korean Journal of Sport Science)|제25권 제1호|pp. 92-107|DOI 10.24985/kjss.2014.25.1.92

0

조회

0

다운로드

9

인용

0

참고문헌

키워드

로지스틱 회귀분석판별분석Discriminant AnalysisLogistic RegressionArtificial Neural Network Analysis한국프로야구인공신경망분석Post시즌Korea Professional BaseballPost Season
주제분류체육

초록

본 연구는 한국프로야구 포스트시즌 동안에 치러지는 준PO, PO, KS경기에서의 승, 패에 따른 서로 다른 형태의 경기력을 분석한 연구이다. 각 시리즈별 경기력의 차이점은 무엇인지를 제시하는 것이 1차 목적이며, 각 단기전별 최적의 예측모형을 제시하는 것이 2차 목적이다. 따라서 이러한 연구목적을 달성하기위해 1982년부터 2012년까지 실행된 준PO(준 플레이오프,1989-2012), PO(플레이오프, 1986-2012), KS(한국시리즈, 1982-2012)자료를 이용하여 각 단기전의 승리 팀 vs 패배 팀 간의 경기력변인에 따른 평균비교(t-test)를 하였으며, 예측변인으로 사용될 기술영역변인을 산출하기위해 동등화 과정을 거쳐 가중치(상관계수)를 사용 새로운 영역별(투수력, 타력, 수비력, 기동력, 득점 및 집중력, 선구능력)변인을 생성하여 이 들 변인을 이용 3가지 예측모형(판별모형, 이항로지스틱회귀모형, 인공신경망모형)에 투입하여 예측모형의 정확도를 제시하였다. 준PO와 KS에서는 실책이 유의한 변인으로 나타났으며 PO에서는 삼루타가 준PO와 KS에서는 이루타가 유의미한 변인으로 새롭게 나타났다. 또한 승/패에 큰 영향을 주는 기술영역변인은 준PO에서는 투수력, PO에서는 타력, KS에서는 투수력으로 나타났다. 준PO에서의 최종예측모형은 예측변인이 제일 적게 투입되면서 적중률이 가장 높은 인공신경망모형(통계적 기준: 4개)이 최종선택 되었고, PO에서는 전문가 기준에 의해 만든 기술영역변인을 예측변인으로 적용한 인공신경망 모형(전문가 기준:5개)이 다른 두 모형보다는 예측 적중률이 더 좋았다. KS에서의 특징은 모든 변수가 적용되어 예측변인을 만든 인공신경망모형(모든 변수: 6개)이 최종모형으로 선정 되었다. 또한 준PO, PO, KS의 종합적인 적중률을 살펴보면 판별모형 보다는 이항로지스틱회귀모형이, 이항로지스틱회귀모형 보다는 인공신경망모형이 더 우세한 분류정확성을 보이고 있었다.

Abstract

This study has been conducted to develop methods and techniques for the analysis of data related to baseball performance using the winning and losing games. The purposes of the study were to examine differences of athlete performance for semi playoff, playoff, and Korean professional baseball series and to develop optimal forecasting model for the short term series. Data used in the study were taken from Korean professional baseball association. Three data sets including semi play off from 1982 to 2012, play off from 1989 to 2012, and Korean series from 1982 to 2012 were used. To compare athlete performance by winning and losing games for short-term series t-test was applied. This study created new parameters by weighted value through the equalization process to calculate skill related variables as a predicted variable. Three predicted models such as discriminant, binary logistic regression and artificial neural network models were developed to clarify the suggested models. The results showed that the number of significant parameters increased as the series continued. In particular, a variable related to error was added as a significant variable at the Korean Series. A third base hit in the play-off and a second base hit were also added as significant parameters in the play-off and the Korean series, respectively. In addition, W/L a major variables affecting a given technology area, the pitching PO, PO, the inertia, KS, the pitching, respectively. An artificial neural network model was finally selected with the highest accuracy and lowest input of estimated parameters in the semi play-off. In the play-off, artificial neural network model that applied technical area parameters by specialist criteria had better accuracy rate than two others. In the Korean series, artificial neural network model that created estimation parameters by applying all parameters was chosen as the final model. When the overall accuracy level of semi-play off, play off and Korean series was figured out, binary logistic regression model had higher accuracy of classification than discriminant model, but artificial neural network model had the higher accuracy of classification than binary logistic regression model.

참고문헌 (58)

  1. 김승대, "야구경기에 있어서 타순별 타격성적이 승패에 미치는 영향 : 프로야구 8개팀 중심으로", 석사, 체육학, pp.2003
  2. 김세형, "한국프로농구 경기기록 분석에 의한 승패결정요인", 한국체육측정평가학회지, 10(1), pp.1~12 (2008), 한국체육측정평가학회
  3. "전력분석, 지시한것아냐, 사과한다" (2013)[URL]
  4. 김주학, "신경망분석을 이용한 축구경기 승패 예측모형 개발- 2006독일월드컵 대회를 중심으로 -", 체육과학연구, 18(4), pp.54~63 (2007), 국민체육진흥공단 부설 한국스포츠개발원
  5. 김차용, "프로야구경기 분석을 통한 승ㆍ패 예측모형", 한국사회체육학지, 16, pp.807~819 (2001)
  6. 박진, "Gibbs Sampling을 이용한 한국프로야구에서상황별 효과분석", 응용통계, 14(12), pp.121~136 (1999)
  7. 박승현, "한국프로야구 타자의 고액연봉에 영향을 미치는 경기력 요인", 한국체육과학회지, 17(2), pp.485~494 (2008), 한국체육과학회
  8. 배재영, "주성분회귀분석을 이용한 한국프로야구 순위", Communications for Statistical Applications and Methods, 19(3), pp.367~379 (2012), 한국통계학회[DOI]
  9. 서재순, "프로야구 승․패 예측시스템 개발에관한 연구", 대한전자공학회 추계종합 학술대회 논문집, 16(2), pp.93~11 (1993)
  10. 신상근, "한국프로야구팀의 승패요인분석에 관한 연구 -삼성라이온즈를 중심으로-", Journal of The Korean Data Analysis Society, 9(4), pp.2071~2083 (2007), 한국자료분석학회
  11. 승희배, "한국 프로야구 선수들의 경기력과 연봉의 관계 분석", 한국데이터정보과학회지, 23(2), pp.285~298 (2012), 한국데이터정보과학회
  12. 한국야구위원회, "한국야구연감 2005, 2006, 2010, 2011", 사단법인 한국야구위원회
  13. 한국야구위원회, "한국프로야구기록대백과(1982년-2008년)" (2009)
  14. 오광모, "데이터마이닝을 이용한 한국프로야구 선수들의 연봉에 관한 모형연구", 한국스포츠사회학회지, 16(2), pp.2~310 (2003), 한국스포츠사회학회
  15. "전력분석, 지시한 것 아냐, 사과한다" (2013), 이대호[URL]
  16. 이장택, "한국프로야구에 적당한 득점 추정측도에 관한 연구", Journal of The Korean Data Analysis Society, 7(6), pp.2289~2302 (2005), 한국자료분석학회
  17. 이장택, "한국프로야구에서의 승률 추정에 관한 연구", Journal of The Korean Data Analysis Society, 8(2), pp.857~869 (2006), 한국자료분석학회
  18. 이장택, "한국 프로스포츠에서의 승률 추정", Journal of The Korean Data Analysis Society, 8(5), pp.2105~2116 (2006), 한국자료분석학회
  19. 이영훈, "한국프로야구 경기력 결정요인에 관한 실증분석", 한국체육측정평가학회지, 9(2), pp.63~77 (2007), 한국체육측정평가학회
  20. 이용구, "데이터 마이닝에서 신경망 분석과 의사결정나무 분석의 비교", 수학․통계논문집, (6) (1999)
  21. 양병화, "다변량데이타 분석법의 이해" (2006), 커뮤니케이션북스
  22. 조영석, "한국프로야구에서 Beane Count 적용에 관한 연구", Journal of The Korean Data Analysis Society, 5(3), pp.649~658 (2003), 한국자료분석학회
  23. 조영석, "2003시즌 한국프로야구에서 WHIP가 방어율에 미치는 영향에 관한 연구", Journal of The Korean Data Analysis Society, 6(5), pp.1415~1424 (2004), 한국자료분석학회
  24. 조영석, "한국 프로야구에서 OPS와 득점에 관한 연구", Journal of The Korean Data Analysis Society, 7(1), pp.221~231 (2005), 한국자료분석학회
  25. 조영석, "한국프로야구에서 득점과 실점을 이용한 승률 추정에 관한 연구", Journal of The Korean Data Analysis Society, 7(6), pp.2303~2312 (2005), 한국자료분석학회
  26. 장인식, "한국프로야구의 홈경기 효과에 관한연구", 응용통계, 11(12), pp.51~70 (1996)
  27. 기계학습 및 시뮬레이션을 이용한 프로야구경기예측 및 On-line 시뮬레이션 게임 시스템 개발, "정태충", 정보통신부, ~, pp.경희대학교 산학공동기술개발사업 연차연구보고서(정보통신부) (1999)
  28. 최옥진, "프로야구 선수들의 집단별 성적변화 분석에서의 평균회귀현상 적용", 교육이론과 실천, 12(2), pp.407~415 (2002)
  29. 최영근, "한국 프로야구 경기결과에 관한 통계적 연구", 응용통계연구, 24(5), pp.915~930 (2011), 한국통계학회
  30. 최용석, "82~92 한국프로야구의 각 팀과 부문별 평균 성적에 대한 추가적 주성분 분석의 응용", 응용통계연구, 8(1), pp.295~309 (1995)
  31. 최형준, "2002, 2006년 축구 월드컵 대회를 통한 경기력 분석에 관한 연구", 한국체육측정평가학회지, 11(2), pp.41~51 (2009), 한국체육측정평가학회
  32. 최형준, "인공신경망(Artificial Neural Network)을 이용한 2005년도 영국 윔블던 테니스 대회의 경기결과 예측에 관한 연구", 한국체육학회지, 45(3), pp.459~468 (2006), 한국체육학회
  33. 천영진, "프로야구 경기에서 상황에 따른 초구 타격의 결과 분석 연구", 한국체육과학회지, 22(1), pp.1077~1083 (2013), 한국체육과학회
  34. 채진석, "프로야구구단의 성적변화 추이와 상대적 전력 비교평가", 체육과학연구, 21(1), pp.956~973 (2010), 국민체육진흥공단 부설 한국스포츠개발원
  35. 채진석, "프로야구 포스트시즌 진출 예측을 위한 통계적 모형 비교", 한국체육측정평가학회지, 12(1), pp.33~48 (2010), 한국체육측정평가학회
  36. 채진석, "프로야구구단의 경기력 비교를 위한 전력평가지수 개발 및 활용", 박사, 체육측정평가, pp.2011
  37. 한국야구위원회, "한국프로야구 기록대백과" (2009), 사단법인 한국야구위원회
  38. 허명회, "데이터 마이닝 모델링과 사례" (2003), (주)데이터 솔루션
  39. 허명회, "SPSS데이터 검증, 신경망과 PLS회귀" (2008), (주)데이타솔루션
  40. 허준회, "프로야구 경기 예측 시뮬레이터에서의역전파 알고리즘을 이용한 투수 교체시기 예측 모듈 개발", 한국정보과학회 봄 학술발표논문집, 25(1) (1998)
  41. 홍석미, "프로야구 승패 예측을 위한게임 시뮬레이터 개발에 관한 연구", 한국정보과학회 가을학술 논문집, 23(2) (1996)
  42. 홍세희, "이항 및 다항 로지스틱 회귀분석" (2005), 교육과학사
  43. 홍종선, "2007년 한국프로야구에서 도루성공모형", 응용통계연구, 21(3), pp.455~468 (2008), 한국통계학회
  44. 황서영, "국내프로야구 선수의 경기력 분석 : KBO기록과 Sabermetrics기록의 차이점을 중심으로", 석사, 스포츠기록분석학, pp.2007
  45. 古俗野恒, "다변량해석 가이드" (2003), 대한미디어
  46. Agresti, A., "Categorical Data Analysis" (2002), John Wiley and Sons
  47. Hosmer, D. W., "Applied Logistic Regression" (2000), John Wiley and Sons
  48. Anderson, T. W., "Introduction to multivariate statistical analysis" (1958), John Wiley & Sons, Inc.
  49. Cooley, W. W., "Multivariate data analysis" (1971), John Wiley & Sons, Inc.
  50. Adler, J., "Baseball Hacks" (2006), O'Reilly Media, Inc
  51. Costa, Gabriel. B., "Understanding Sabermetrics(An Introduction to the Science of Baseball Statistics)" (2008), McFarland & CoIncPub
  52. Daniel, S. J., "A regression analysis of predictors on the productivity indices of Major League Baseball: 1985-2003", Ph.D., pp.2005
  53. Hosmer, D. W., "Applied Logistic Regression" (2000), John Wiley and Sons
  54. James, B., "The Bill James handbook" (2008), Ballantine Books
  55. Levernier, W, "The probability of winning and the effect of home-field advantage: The case of MLB", Academy of Information and Management Sciences Journal, 9(2), pp.61~77 (2006)
  56. Michael Lewis., "Money ball" (2003), W. W. Norton & Company
  57. Total Baseball(EDT), "Total Baseball Trivia" (2003), Sportclassic Books
  58. Thorn, J., "The Hidden Game of Baseball:A Revolutionary Approach to Baseball and Its Statistics" (1984), Doubleday

관련 논문AI추천

프로야구 포스트시즌 진출 예측을 위한 통계적 모형 비교엄한주, 조은형, 채진석한국체육측정평가학회 · 한국체육측정평가학회지2010 · 제12권 제1호기계학습을 활용한 프로야구 승부예측에 관한 연구노언석, 최재현한국IT정책경영학회 · 한국IT정책경영학회 논문지2017 · 제9권 제1호프로야구구단의 성적변화 추이와 상대적 전력 비교평가엄한주, 채진석국민체육진흥공단 한국스포츠과학원 · 체육과학연구2010 · 제21권 제1호우리나라 프로야구 포스트시즌에서 상위시드 여부가 경기결과에 미치는 영향김준혁한국응용경제학회 · 응용경제2025 · 제27권 제3호국내 남자 프로농구 승패 예측 모형 비교 연구구승환, 김현수, 장성용국민체육진흥공단 한국스포츠과학원 · 체육과학연구2009 · 제20권 제4호한국프로야구에서 장타율과 출루율(OPS) 예측 연구김진호, 신동윤사)한국빅데이터학회 · 한국빅데이터학회 학회지2022 · 제7권 제1호

이 간행물의 다른 논문 (13건)

8주간의 저항성 운동과 크레아틴, 류신의 투여가 흰쥐의 근 단백질 합성 및 골격근 특성에 미치는 영향옥진아, 전소은, 박현pp. 1-9지역사회 공공운동시설의 주관적, 객관적 접근성(거리 및 수량)과 신체활동 참여 수준간의 관계유지곤, 이삼준, 김명화, 이용수, 이대택pp. 10-20고등학교 야구 투수들의 투구동작 비교김성용, 박종철, 김지태, 송홍선pp. 21-29축구 성공지능 하위 요인의 상대적 중요도윤영길, 김정수pp. 30-38한국 방위산업수출 대상국의 스포츠외교 특성화 전략 탐색 - 스포츠종목 선호 경향을 중심으로 -남덕현pp. 39-47
원문 보기