본문 바로가기
KERD
논문KCI 등재

경륜 출주정보를 활용한 승자 예측모형 탐색 : 데이터마이닝 기반 의사결정나무분석의 적용

Cycling Winner Prediction Model by Using Match Information : Application of Decision Tree Analysis based on Data Mining

윤지운|최창환
한국체육측정평가학회 (Korean Society For Measurement And Evaluation In Physical Education And Sports Science)|2017.12|한국체육측정평가학회지 (The Korean Journal of Measurement and Evaluation in Physical Education and Sports Science)|제19권 제4호|pp. 15-26|DOI 10.21797/ksme.2017.19.4.002

0

조회

0

다운로드

21

인용

0

참고문헌

키워드

의사결정나무분석decision tree analysis데이터마이닝Data miningWinner predictionCycling경륜 출주정보승자예측

초록

이 연구의 목적은 경륜 출주정보를 활용하여 승자를 예측하는 모형을 탐색하는 것이다 . 구체적으로 이 연구에서는 데이터마이닝 기반의 의사결정나무분석을 적용하여 경륜 경기의 승자를 결정하는 예측모형을 확인하였다 . 연구목적을 위해 국민체육진흥공단 경륜사업본부에서 제공하는 2014 년부터 2016 년도까지의 전체 5000 경기 34962 명의경륜 출주정보와 경기자료를 수집하였다 . 경륜 출주정보 14 개 변인을 예측변인으로 선정하였으며 , 목표변수는 각 승식 ( 단승식 , 복승식 , 삼복승식 ) 별 승자로 선정하였다 . 자료처리를 위해 IBM SPSS 21.0ver 을 사용하였으며 , 기술통계와 의사결정나무분석을 수행하였다 . 의사결정나무분석은 CRT(classification and regression trees) 알고리즘을적용하였다 . 의사결정의 간결모형을 위해 뿌리깊이는 3 단계 , 최소 사례수는 부모마디 500, 자식마디 300 의 기준을적용하였다 . 추정된 예측모형의 적절성 확인을 위해 분류 정확도와 오분류 추정치 (risk estimate), 표준오차를 산출하였다 . 이 연구의 결과는 다음과 같다 . 첫째 , 단승식 경기는 연대율이 53.5% 보다 크고 , 종합평균득점이 93.72 보다크며 , 승률이 61.5% 보다 클 경우 승자에 포함될 확률이 73.6% 수준이다 . 둘째 , 복승식은 삼연대율이 62.5% 보다 크고 , 종합평균득점이 94.76 보다 클 경우 승자에 포함될 확률이 83.6% 수준이다 . 셋째 , 삼연대율이 55.5% 보다 크고 , 종합평균득점이 94.61 보다 클 경우 승자에 포함될 확률이 89.4% 수준이다 . 이 연구의 결과는 경륜 경기를 이해하고승자를 예측하기 위한 다양한 기초정보로 활용될 수 있을 것이라 판단한다.

Abstract

The purpose of this study is to explore a model that predicts cycling winners by using match information. To be specific, the study applied decision tree analysis based on data mining and sought to find a prediction model that determines the winners of cycling. To achieve the purpose of the research, 5,000 match data of 34,962 players from 2014 to 2016 were collected. 14 variables of cycling match information were selected as predictor variables, and the winners of each winning style were selected as the target variables. In this study, the winners were defined by following winning styles; single win(1st place), quinella(1st or 2nd place), and quinella trebles(1st, 2nd, or 3rd place). For data processing, IBM SPSS 21.0 ver was used and descriptive statistics and decision tree analysis were applied. As for decision tree analysis, CRT(classification and regression trees) algorithm was applied. For simple prediction model of decision making, depth was applied in 5 levels, and the standard of parent node 500 case and child node 300 case were applied for the minimum number of cases. To confirm the appropriateness of the estimated prediction model, the classification accuracy, the risk estimate, and the standard error were calculated. The conclusions of this study are as follows. First, in a single win match, the probability of being classified as the winner is 73.6% if the 1st or 2nd place rate is greater than 53.5%, the total average score is greater than 103.72, and if the winning rate is greater than 61.5%. Second, in a quinella match, the probability of being classified as the winner is 83.6% if the 1st, 2nd, or 3rd place rate is greater than 62.5%, and the total average score is greater than 104.76. Third, in a quinella trebles match, the probability of being classified as the winner is 89.4% if the 1st, 2nd, or 3rd place rate is greater than 55.5% and the total average score is greater than 104.61. The results of this study can be used as basic information to understand cycling matches and to predict cycling winners.

참고문헌 (39)

  1. 구민재, "프로 경륜선수 자기관리 검사지 개발", 코칭능력개발지, 16(1), pp.113~123 (2014), 한국코칭능력개발원
  2. 구승환, "국내 남자 프로농구 승패 예측 모형 비교 연구", 체육과학연구, 20(4), pp.704~711 (2009), 국민체육진흥공단 부설 한국스포츠개발원
  3. "국민체육진흥공단 경륜사업본부" (2017), 국민체육진흥공단 경륜사업본부[URL]
  4. "국민체육진흥공단" (2017), 국민체육진흥공단[URL]
  5. 김상호, "서비스만족도에 따른 경륜시장세분화에 대한 연구-장안 장외사업소 참여고객을 중심으로-", 한국사회체육학회지, (29), pp.155~164 (2007), 한국사회체육학회
  6. 김세중, "데이터마이닝 기법을 활용한 한국프로농구 승·패 주요 패턴 및 요인 분석", 박사, 체육학, pp.2011
  7. 김세형, "한국프로농구 경기기록 분석에 의한 승패결정요인", 한국체육측정평가학회지, 10(1), pp.1~12 (2008), 한국체육측정평가학회
  8. 김세형, "한국남자프로농구 경기기록 분석을 통한 승패결정요인 추정: 2010-2011시즌, 2011-2012시즌 정규리그 기록 적용", 한국데이터정보과학회지, 23(5), pp.993~1003 (2012), 한국데이터정보과학회
  9. 김숙자, "경륜 소비자의 경륜인지와 서비스 만족도에 관한 연구", 한국여성체육학회지, 16(2), pp.21~33 (2002), 한국여성체육학회
  10. 김승현, "경륜선수 후보생의 근력훈련이 경주력에 미치는 영향", 체육과학연구, 26(4), pp.964~973 (2015), 국민체육진흥공단 부설 한국스포츠개발원
  11. 김양례, "경륜 참여정도와 서비스 만족도에 관한 연구", 한국사회체육학회지, (22), pp.161~172 (2004), 한국사회체육학회
  12. 김재영, "경륜선수 스트레스 요인 및 대처방안이 직업만족과 전환장벽에 미치는 영향", 한국체육과학회지, 24(3), pp.703~716 (2015), 한국체육과학회
  13. 김주학, "축구 팀 경기력 평가를 위한 내용분석", 한국체육학회지, 46(2), pp.201~211 (2007), 한국체육학회
  14. 김주학, "신경망분석을 이용한 축구경기 승패 예측모형 개발- 2006독일월드컵 대회를 중심으로 -", 체육과학연구, 18(4), pp.54~63 (2007), 국민체육진흥공단 부설 한국스포츠개발원
  15. 김혜진, "테니스 경기의 득점 및 실점상황에 의한 승패결정 경기내용분석", 한국체육측정평가학회지, 8(2), pp.43~57 (2006), 한국체육측정평가학회
  16. 문개성, "경륜․경정사업 특성이 고객태도 및 만족도에 미치는 영향", 체육과학연구, 19(4), pp.117~125 (2008), 국민체육진흥공단 부설 한국스포츠개발원
  17. 문개성, "경륜 매출과 관련한 내적 요인 탐색", 한국스포츠산업경영학회지, 18(6), pp.41~58 (2013), 한국스포츠산업경영학회
  18. 박가희, "통계적 예측모형을 활용한 경륜 경기 순위 분석", 응용통계연구, 30(1), pp.25~39 (2017), 한국통계학회
  19. 박봉률, "창원경륜의 건전 레저스포츠 정착방안", 한국스포츠산업경영학회지, 8(2), pp.229~244 (2003), 한국스포츠산업경영학회
  20. 박재현, "배드민턴 경기의 연속득점 및 연속실점과 세트 승률의 관계 : Monte-Carlo 시뮬레이션을 적용한 승률 모형", 한국체육측정평가학회지, 17(2), pp.1~11 (2015), 한국체육측정평가학회
  21. 박종권, "경륜·경정산업의 발전방안을 위한 경륜·경정법에 관한 고찰", 스포츠엔터테인먼트와 법, 12(2), pp.121~140 (2009), 한국스포츠엔터테인먼트법학회
  22. 사행산업통합감독위원회, "2016 사행산업 관련통계", 사행산업통합감독위원회, ~ (2017)
  23. 정용민, "경륜 선수의 경기력과 연습과 시합상황의 스포츠수행전략과의 관계", 한국체육과학회지, 19(2), pp.355~367 (2010), 한국체육과학회
  24. 조현철, "경륜선수의 하지형태요인과 경기기록, 윙게이트 무산소성파워와의 관련성", 체육과학연구, 19(1), pp.9~20 (2008), 국민체육진흥공단 부설 한국스포츠개발원
  25. 최덕묵, "경륜선수의 지각된 관중요인과 경기수행만족의 관계", 한국체육학회지, 42(6), pp.435~446 (2003), 한국체육학회
  26. 최종후, "데이터마이닝 의사결정나무의응용", 통계분석연구, 4(1), pp.61~83 (1999)
  27. 최형준, "인공지능(AI: Artificial Intelligence) 기법을 이용한 남자 테니스 선수 경기기록의 시각화", 한국체육측정평가학회지, 14(3), pp.47~56 (2012), 한국체육측정평가학회
  28. 최형준, "인공신경망(Artificial Neural Network)을 이용한 2005년도 영국 윔블던 테니스 대회의 경기결과 예측에 관한 연구", 한국체육학회지, 45(3), pp.459~468 (2006), 한국체육학회
  29. 최혜민, "서울 경마 경기 우승마 예측 모형 연구", 응용통계연구, 28(6), pp.1133~1146 (2015), 한국통계학회
  30. "행정자치부 공공데이터포털", 행정자치부 공공데이터포털[URL]
  31. Alamar, B., "Sports analytics: A guide for coache s, managers, and other decision makers" (2013), Columb ia University Press
  32. Berry, M. J., "Data mining techniqu es: for marketing, sales, and customer support" (1997), John Wiley & Sons, Inc.
  33. Berry, M. J. A., "Data mining te chniques and algorithms" (2000), john Wiley & Sons, Inc
  34. Brown, H., "Basketball's box offense" (1995), Masters Press
  35. Hughes, M. D., "The use of pe rformance indicators in performance analysis", Jo urnal of sports sciences, 20(10), pp.739~754 (2002)
  36. Miller, T. W., "Sports analytics and data science:winning the game with methods and models" (2015), FT Press
  37. Pawlowski, T., "Stadium attendance in German professional football–The(un)importance of uncertainty of outcome reconsidered", Applied Economics Letters, 19(16), pp.1553~1556 (2012)
  38. Ragan, B. G., "Reliability : current is sues and concerns", Athletic therapy today, 10(6), pp.30~33 (2005)
  39. Tak, M., "Too big to jail: Match-fixing, institution al failure and the shifting of responsibility", International Review for the Sociology of Sport (2017)

관련 논문AI추천

2021 World Para Ice Hockey Championships의 승패요인 분석: 데이터마이닝 기반 의사결정나무 분석의 적용김민창, 김정호, 김태호, 최창환, 한민수한국특수체육학회 · 한국특수체육학회지2021 · 제29권 제3호배드민턴 단식경기의 경기분석내용을 활용한 승패결정요인 탐색: 데이터마이닝 기반 의사결정나무분석 적용나경민, 박재현, 조은혜한국체육측정평가학회 · 한국체육측정평가학회지2020 · 제22권 제3호남자체조 도마 종목의 메달획득 예측을 위한 최적모형:의사결정 나무분석의 적용박재현, 윤지운국민체육진흥공단 한국스포츠과학원 · 체육과학연구2019 · 제30권 제1호머신러닝을 활용한 한국프로농구 정규리그 최종 순위 예측: 스포츠 애널리틱스 관점김필수, 이상현한국체육측정평가학회 · 한국체육측정평가학회지2023 · 제25권 제2호인공지능 기반 스포츠 경기 결과 예측 서비스가 스포츠베팅 산업에 미치는 영향: 국민체육진흥공단 경륜·경정 AI Pick의 사례김필수, 이상현, 전성삼한국상품학회 · 상품학연구2025 · 제43권 제2호의사결정나무 분석을 통한 세계핸드볼 승패결정요인 분석김현철한국디지털정책학회 · 디지털융복합연구2021 · 제19권 제5호

이 간행물의 다른 논문 (9건)

이산 사건 시뮬레이션을 활용한 스포츠 이벤트매니지먼트 프로세스 최적화 연구김주학, 조선미pp. 1-13모바일 걷기 앱 콘텐츠 구조와 개발 과제조정환, 최문정, 이미영, 이효pp. 27-40남자대학생 건강체력 건강구간의 기준 설정김종택pp. 41-52엘리트 태권도 선수의 자아탄력성 척도 재탐색 : Rasch 모형 적용조은형, 김응준pp. 53-63일상생활 신체활동 측정을 위한 스마트폰기반 검사도구의수렴타당도검증최지엽, 이미영pp. 65-74
원문 보기