본문 바로가기
KERD
논문KCI 등재

머신러닝을 활용한 한국프로농구 정규리그 최종 순위 예측: 스포츠 애널리틱스 관점

The Final Ranking Prediction of the Korean Professional Basketball League Using Machine Learning Algorithms: A Sports Analytics Perspective

이상현|김필수
한국체육측정평가학회 (Korean Society For Measurement And Evaluation In Physical Education And Sports Science)|2023.06|한국체육측정평가학회지 (The Korean Journal of Measurement and Evaluation in Physical Education and Sports Science)|제25권 제2호|pp. 103-115|DOI 10.21797/ksme.2023.25.2.008

0

조회

0

다운로드

12

인용

0

참고문헌

키워드

머신러닝machine learning서포트 벡터 머신support vector machine그래디언트 부스팅gradient boosting스포츠 애널리틱스KBL 정규리그순위예측엑스트라 트리Sports analyticsKBL regular seasonrank predictionextra tree

초록

현대 스포츠 경기분석 데이터의 축적과 다양하게 집적된 기술의 발달로 인공지능(artificial intelligence)이 대중화되면서 스포츠 측정평가의 분야에서도 애널리틱스의 발전이 가속화되고 있다. 스포츠 애널리틱스는 스포츠 조직관련 데이터를 기반으로 스포츠 비즈니스의 성과를 높이기 위한 의사결정에 도움이 될 수 있는 일련의 기술과 방식을의미한다. 아울러, 최근 스포츠 애널리틱스는 미래의 성과 향상이라는 목적 달성을 위해 빅데이터를 활용한 미래예측의 영역을 포함한다. 하지만, 아직 일반적으로 사용되는 예측이라는 개념에 부합하는 연구의 발견이 어려운 실정이다. 본 연구는 스포츠 애널리틱스의 발전을 위해 기계학습을 적용하여 한국프로농구 정규리그 최종순위를 예측하고이에 대한 체계화된 논의의 진행을 목적으로 한다. 이를 위해, 한국프로농구 2006~2007 – 2022~2023시즌의 전체경기 데이터를 활용하여 최종 라운드를 제외한 각 라운드 종료 시점에서 해당 시즌의 결과를 예측하는 실증분석을시행하였다. 본 연구의 분석을 위해 머신러닝 알고리즘인 서포트 벡터 머신(support vector machine, SVM), 그래디언트 부스팅(gradient boosting), 엑스트라 트리(extra tree)가 사용되었다. 분석결과, 1라운드가 종료된 시점의평균 오차는 1.88이었으나 라운드가 진행될수록 1.47, 1.21, 0.92, 0.72로 줄어든다는 것을 확인할 수 있었다. 또한, 1라운드 종료 시점에는 서포트 벡터 머신이 1.85로 가장 낮은 오차를 보였지만, 2라운드 종료 이후부터는 엑스트라트리가 가장 낮은 평균 오차를 기록하였다. 전반적으로 가장 높은 성능을 보인 엑스트라 트리 기준으로 4라운드이후로는 대체로 실제 시즌 종료 후의 팀 순위와 유사한 결과를 예측하는 것으로 나타났다. 본 연구는 시즌이 종료되기 전 스포츠 경기와 관련된 빅데이터를 바탕으로 라운드별 및 시즌 종료 결과를 예측한 선도적인 연구로서 스포츠애널리틱스 관점에서 스포츠 경기 데이터의 기계학습이 적용된 분석으로서 그 가치와 의의를 지닌다.

Abstract

The advent of artificial intelligence (AI) as a result of big data accumulation and high technology has invited the word "analytics" into the sports industry. We define sports analytics as the process of pursuing better decision-making for the success of sports organizations by utilizing data from the past. This process includes a prediction of the future. Therefore, it provides analysis for stakeholders in the sports domain to help them make better decisions in their current situation. This study attempts to contribute to the field of sports analytics by predicting the results of the 2022-2023 regular season of the Korean Basketball League (KBL) teams. We collected data from the 2006-2007 to 2022-2023 season from the KBL website and analyzed it with three machine learning algorithms (Support Vector Machine, Gradient Boosting, and Extra Trees) from various points (at the end of rounds 1, 2, 3, 4, and 5). The results showed that the error of prediction decreased as the round progressed. The average error was 1.88 when the first round ended, but 0.72 when the fifth round ended. Furthermore, the Support Vector Machine showed the lowest error (1.85) among the three algorithms when the first round ended. However, Extra Trees performed the lowest error when predicting the results of the regular season after the second (1.40), third (1.12), fourth (0.75), and fifth (0.61) rounds. Overall, the predictions of Extra Trees after the third round were similar to the actual regular season results. This study established a milestone in the field of Korean sports analytics by conducting research that predicted the results of the regular season before the season actually ended.

참고문헌 (61)

  1. 김주학, "머신러닝과 Kano 모델을 활용한 팬 중심 축구선수 속성 모형 개발", 한국체육측정평가학회지, 22(3), pp.91~104 (2020), 한국체육측정평가학회[DOI]
  2. 김주학, "야구 경기 승패 예측을 위한 합성곱 신경망(CNN) 최적화 연구", 한국체육측정평가학회지, 24(4), pp.153~165 (2022), 한국체육측정평가학회[DOI]
  3. 김태훈, "인공지능 모델에 따른 한국 프로야구의 승패 예측 분석에 관한 연구", 한국빅데이터학회 학회지, 5(2), pp.77~84 (2020), 사)한국빅데이터학회[DOI]
  4. 김필수, "자원기반관점의 한국프로야구팀 정규리그 승률 결정요인에 관한 연구", 한국스포츠산업경영학회지, 27(5), pp.16~37 (2022), 한국스포츠산업경영학회
  5. 김필수, "빅데이터 분석을 적용한 한국프로농구 리그 정규시즌 경기결과의 머신러닝 분류모형 예측성능 비교에 관한 연구", 한국체육학회지, 62(2), pp.263~277 (2023), 한국체육학회[DOI]
  6. 김필수, "로지스틱 회귀모형을 이용한 한국프로농구팀의 승패 결정요인 분석: 자원기반관점과 상황이론", 한국스포츠산업경영학회지, 28(1), pp.44~59 (2023), 한국스포츠산업경영학회
  7. 김필수, "머신러닝을 적용한 경륜 경기 순위 예측 및 평가에 관한 연구: 2016~2022년 출주표 정보 및 경주 결과 활용", 한국스포츠산업경영학회지, 28(2), pp.76~94 (2023), 한국스포츠산업경영학회
  8. 노병준, "교통사고 분석 및 예측을 위한 AI 모델 개발", 대한교통학회 학술대회지, pp.820~838 (2021)
  9. 예원진, "2022 FIBA 남자농구 아시안컵 경기결과를 활용한 머신러닝 분류 모형의 예측 성능 비교", 한국체육측정평가학회지, 24(3), pp.53~69 (2022), 한국체육측정평가학회[DOI]
  10. 이창열, "재난 사고 데이터 기반 위험 예측 기술 연구", 저널 국가유산, 7(2), pp.131~137 (2022), 국가유산방재학회
  11. 이철현, "AI 기반환경의 주식 시세예측을 위한성능 비교분석 시스템", 한국컴퓨터정보학회 학술발표논문집, 30(1), pp.127~128 (2022)
  12. 장영재, "스포츠 애널리틱스-산업공학의 새로운 기회", ie 매거진, 24(1), pp.29~35 (2017)
  13. 장효진, "회귀모형을 이용한 한국프로농구 승부결과 분석", 한국지능시스템학회 논문지, 25(5), pp.489~494 (2015), 한국지능시스템학회
  14. 최형준, "국내 스포츠 빅데이터 분석 연구의 현황", 한국체육측정평가학회지, 22(2), pp.63~69 (2020), 한국체육측정평가학회[DOI]
  15. 최형준, "축구의 경기 결과 예측을 위한 머신러닝 기법 비교", 한국체육측정평가학회지, 24(4), pp.81~91 (2022), 한국체육측정평가학회[DOI]
  16. 한정섭, "머신러닝을 활용한 빅데이터 분석을 통해 KBO 타자의 OPS 예측", 차세대융합기술학회논문지, 6(1), pp.12~18 (2022), 국제차세대융합기술학회
  17. Ahmadalinezhad, M., "Basketball lineup performance prediction using network analysis", Proceedings of the 2019IEEE, 2019, 519~524
  18. Alamar, B, "Sports analytics. A guide for coaches, managers, and other decision makers" (2013), Columbia University Press
  19. Alonso, R. P., "Machine learning approach to predicting a basketball game outcome", International Journal of Data Science, 7(1), pp.60~77 (2022)
  20. Apostolou, K, "Sports Analytics algorithms for performance prediction", 2019 10th International Conference on Information, Intelligence, Systems and Applications (IISA), pp.1~4 (2019), IEEE
  21. Arik, S. Ö, "Tabnet: Attentive interpretable tabular learning", Proceedings of the AAAI Conference on Artificial Intelligence, 35(8), pp.6679~6687 (2021)
  22. Baboota, R., "Predictive analysis and modelling football results using machine learning approach for English Premier League", International Journal of Forecasting, 35(2), pp.741~755 (2019)
  23. Baumer, B. S, "Big ideas in sports analytics and statistical tools for their investigation", Wiley Interdisciplinary Reviews: Computational Statistics, e1612~ (2023)
  24. Berrar, D, "Guest editorial : special issue on machine learning for soccer", Machine Learning, 108, pp.1~7 (2019)
  25. Bhati, B. S, "Ensemble based approach for intrusion detection using extra tree classifier", Intelligent Computing in Engineering: Select Proceedings of RICE 2019, pp.213~220 (2020), Springer Singapore
  26. Boehmke, B, "Hands-on machine learning with R" (2019), CRC press
  27. Bunker, R., "The application of machine learning techniques for predicting match results in team sport : A review", Journal of Artificial Intelligence Research, 73, pp.1285~1322 (2022)
  28. Bunker, R. P, "A machine learning framework for sport result prediction", Applied computing and informatics, 15(1), pp.27~33 (2019)
  29. Chen, W. J, "Hybrid basketball game outcome prediction model by integrating data mining methods for the national basketball association", Entropy, 23(4), pp.477~ (2021)
  30. Cho, Y, "Using social network analysis and gradient boosting to develop a soccer win–lose prediction model", Engineering Applications of Artificial Intelligence, 72, pp.228~240 (2018)
  31. Cortes, C, "Support-vector networks", Machine Learning, 20(3), pp.273~297 (1995)
  32. Davenport, T. H, "Competing on analytics", Harvard Business Review, 84(1), pp.98~107 (2006)
  33. Davenport, T. H, "What businesses can learn from sports analytics", MIT Sloan Management Review, 55(4), pp.10~13 (2014)
  34. Fried, G, "Sport analytics: A data-driven approach to sport business and management" (2016), Taylor & Francis
  35. Goetz, M, "Extremely randomized trees based brain tumor segmentation", Proceeding of BRATS challenge-MICCAI, 14, pp.6~11 (2014)
  36. Haghighat, M, "A review of data mining techniques for result prediction in sports", Advances in Computer Science : An International Journal, 2(5), pp.7~12 (2013)
  37. Herold, M, "Machine learning in men’s professional football : Current applications and future directions for improving attacking play", International Journal of Sports Science & Coaching, 14(6), pp.798~817 (2019)
  38. Horvat, T., "The use of machine learning in sport outcome prediction: A review", Wiley Interdisciplinary Reviews : Data Mining and Knowledge Discovery, 10(5), pp.e1380~ (2020)
  39. Hubáček, O, "Exploiting sports-betting market using machine learning", International Journal of Forecasting, 35(2), pp.783~796 (2019)
  40. Igiri, C. P., "Support vector machine–based prediction system for a football match result", IOSR Journal of Computer Engineering, 17(3), pp.21~26 (2015)
  41. Iskandaryan, D, "The effect of weather in soccer results : an approach using machine learning techniques", Applied Sciences, 10(19), pp.6750~ (2020)
  42. Jain, P. K, "Sports result prediction using data mining techniques in comparison with base line model", Opsearch, 58, pp.54~70 (2021)
  43. Jayal, A, "Sports analytics: Analysis, visualisation and decision making in sports performance" (2018), Routledge
  44. Keshtkar Langaroudi, M, "Sports result prediction based on machine learning and computational intelligence approaches : A survey", Journal of Advances in Computer Engineering and Technology, 5(1), pp.27~36 (2019)
  45. Levandoski, A., "Predicting the NCAA Men’s Basketball Tournament with Machine Learning", 1~15 (2017)
  46. Big data: The next frontier for innovation, competition, and productivity, "Manyika, J", McKinsey Global Institute, ~ (2011)
  47. Morgulev, E, "Sports analytics and the big-data era", International Journal of Data Science and Analytics, 5, pp.213~222 (2018)
  48. Nguyen, N. H, "The application of machine learning and deep learning in sport : predicting NBA players’ performance and popularity", Journal of Information and Telecommunication, 6(2), pp.217~235 (2022)
  49. Noble, W. S, "What is a support vector machine?", Nature Biotechnology, 24(12), pp.1565~1567 (2006)
  50. Pai, P. F, "Analyzing basketball games by a support vector machines with decision tree model", Neural Computing and Applications, 28, pp.4159~4167 (2017)
  51. Pantzalis, V. C, "Sports analytics for football league table and player performance prediction", 2020 11th International Conference on Information, Intelligence, Systems and Applications (IISA, pp.1~8 (2020), IEEE
  52. Phatak, A. A, "Context is key : normalization as a novel approach to sport specific preprocessing of KPI’s for match analysis in soccer", Scientific Reports, 12(1), pp.1117~ (2022)
  53. Pliakos, K, "Feature induction based on extremely randomized tree paths", Online proceedings, pp.3~18 (2016)
  54. Sarlis, V, "Sports analytics—Evaluation of basketball players and team performance", Information Systems, 93, pp.101562~ (2020)
  55. Schölkopf, B, "Learning with kernels: Support vector machines, regularization, optimization, and beyond" (2002), MIT Press
  56. Sharaff, A., "Extra-tree classifier with metaheuristics approach for email classification", Advances in Computer Communication and Computational Sciences: Proceedings of IC4S 2018, pp.189~197 (2018), Springer Singapore
  57. Singh, N., "Sport analytics: A review", learning, 9, pp.11~ (2020)
  58. Srivastava, A, "Usage of Analytics in the World of Sports", 2021 9th International Conference on Reliability, Infocom Technologies and Optimization (Trends and Future Directions)(ICRITO), pp.1~7 (2021), IEEE
  59. Thabtah, F, "NBA game result prediction using feature analysis and machine learning", Annals of Data Science, 6(1), pp.103~116 (2019)
  60. Troilo, M., "Professional Sports Organizations and Business Analytics : Monopoly Power vs Debt Financing", Journal of Applied Sport Management, 14(4), pp.4~ (2022)
  61. Wang, L, "Sports action recognition based on GB-BP neural network and big data analysis", Computational Intelligence and Neuroscience, 2021 (2021)

관련 논문AI추천

2022 FIBA 남자농구 아시안컵 경기결과를 활용한 머신러닝 분류 모형의 예측 성능 비교예원진, 이성노한국체육측정평가학회 · 한국체육측정평가학회지2022 · 제24권 제3호축구의 경기 결과 예측을 위한 머신러닝 기법 비교최형준한국체육측정평가학회 · 한국체육측정평가학회지2022 · 제24권 제4호국내 남자 프로농구 승패 예측 모형 비교 연구구승환, 김현수, 장성용국민체육진흥공단 한국스포츠과학원 · 체육과학연구2009 · 제20권 제4호인공지능 모델에 따른 한국 프로야구의 승패 예측 분석에 관한 연구고진광, 김태훈, 이재학, 임성원사)한국빅데이터학회 · 한국빅데이터학회 학회지2020 · 제5권 제2호데이터 기반 선수 조합 분석: NBA 팀 구성과 경기 결과의 관계김정준, 이기봉한국체육측정평가학회 · 한국체육측정평가학회지2025 · 제27권 제2호머신러닝 기반 골프선수의 경기 스타일 분류 및 예측 시스템 개발김홍석, 박지용, 박현수, 조혜수국민체육진흥공단 한국스포츠과학원 · 체육과학연구2025 · 제36권 제4호

이 간행물의 다른 논문 (7건)

무용수들의 무대공연에 미치는 불안요인이연희pp. 1-17텍스트 마이닝을 활용한 태권도 겨루기 심판판정에 대한 선수들의 인식 탐색최창환, 김윤호pp. 19-32모바일 헬스케어 사용자의 디지털 기기 사용 수준에 따른 건강지표 비교 및 참여요인 분석윤소미, 박철형, 김종광pp. 33-41K리그 U-22 의무출전 규정이 리그에 미친 영향김종원, 최원석pp. 43-53스포츠 그릿 개념 정립을 위한 세계 정상급 선수의 성취 요인 탐색: 선수 인터뷰 기사에 대한 빅데이터 분석과 내용분석문한진, 이옥진, 김미예pp. 55-66
원문 보기