한국프로야구에서 데이터마이닝을 이용한 팀대 팀 승패모형

• 영문명: Win-Lose Models When Two Teams Meet Using Data Mining in the Korean Pro-Baseball
• 발행기관: 한국자료분석학회
• 저자명: 이장택(Jang-Taek Lee) 조현식(Hyun-Sik Cho)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.11 No.6, 3417~3426쪽, 전체 10쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2009.12.30

국문 초록

본 연구에서는 한국프로야구 경기에서 팀대 팀의 승패에 기여하는 변수와 그 영향을 알아보기 위해 2000년부터 2006년까지 있었던 3,567 게임에 대하여 로지스틱 회귀모형, 의사결정나무모형, 신경망모형을 활용한 통계적 승패모형을 제시하였다. 사용된 변수들은 경기 직전까지의 득점, 실점, 이전승률, 상대팀에 대한 득점, 실점, 누적득점 및 누적실점 등 28개의 독립변수이다. 그 결과 제안된 모형들은 상대팀에 대한 이전승률, 팀의 득점 등이 중요한 비중을 차지하였고, 1점 차이 경기인 경우에는 홈팀 여부도 중요한 요인으로 작용하였다. 또한 세 가지 모형의 효율성은 비슷하게 나타났으나 로지스틱 회귀모형과 신경망모형이 다소 의사결정나무모형보다 분류정확율이 높았다.

영문 초록

The primary purpose of this study is to identify the factors that affect the likelihood of a team winning a game in Korean Pro-Baseball by estimating three supervised learnings. Using data from the 3,567 baseball games that were played in the Korean Pro-Baseball from the 2000 to 2006 seasons, models that measure the likelihood of a team winning a game are estimated. For statistical analysis, logistic regression model, neural network model and decision tree model were conducted and the results were compared and presented. As a result, the neural network model and logistic regression model are more efficient than decision tree model under existing conditions.

목차

Ⅰ. 서론

Ⅱ. 연구방법

Ⅲ. 데이터 분석

Ⅳ. 결론

참고문헌

키워드

데이터마이닝 승패모형 로지스틱 회귀모형 의사결정나무모형 신경망모형 한국 프로야구 Data Mining Win-Lose Model Logistic Regression Decision Tree Neural Network Korean Pro-Baseball