머신러닝을 적용한 경륜 경기 순위 예측 및 평가에 관한 연구: 2016~2022년 출주표 정보 및 경주 결과 활용 = A Study on the Prediction and Evaluation of Keirin Competition Rankings Using Machine Learning Application

국문 초록 (Abstract)

본 연구는 기계학습(machine learning)을 적용하여 경륜 경주의 경기 순위를 예측하고, 해당 예측에 활용된 각각의 AI 알고리즘 성능을 비교·분석하기 위하여 실시되었다. 이를 위해 국민체육진흥공단에서 제공한 경륜 선수 출추표와 경기결과 데이터(광명스피돔, 2016~2022년 경주 전수)를 기반으로 실증분석을 시행하였다. 본 연구에서는 파이썬(Python)을 활용하여 자료를 수집하고 가공하였으며, 실질적인 분석을 위해 네이브 베이즈(Naive Bayes), 로지스틱 회귀(Logistic Regression), 랜덤 포레스트(Random Forest), 배깅(Bagging), 서포트 벡터 머신(SVM: Support Vector Machine), 의사결정나무(Decision Tree), 에이다 부스트(AdaBoost), K-최근접이웃(KNN: K-Nearest Neighbor)의 여덟 가지 알고리즘을 적용하였다. 또한, 각 알고리즘의 성능 확인과 평가를 위해 정확도(accuracy), 정밀도(precision), 재현율(recall), F1-score, 평균제곱근오차(RMSE), 결정계수(R-squared)를 평가 기준으로 사용하였다. 본 연구는 단승식, 복승식, 삼복승식을 결과변수로 놓고 실증분석을 시행한 결과 로지스틱 회귀의 성능이 단승식(88.19%)과 복승식(80.07%)의 경우 정확도가 가장 높은 것으로 나타났으며, 삼복승식(78.17%)의 경우 에이다 부스트의 성능이 높게 평가되는 것으로 드러났다. 전체적으로 로지스틱 회귀, 에이다 부스트, 서포트 벡터 머신의 성능이 다른 다섯 가지 알고리즘의 성능과 비교 시 상대적으로 더 우수한 것으로 확인되었다. 본 연구는 경륜 경주의 경주 순위를 예측하기 위해 다양한 머신러닝 알고리즘을 적용하여 이들의 성능을 비교·분석함으로써 기존에는 실증되지 않은 경륜 데이터로 기계학습을 적용하였다는 데 의의가 있다. 본 연구의 실증결과를 통해 스포츠 애널리틱스 분야의 발전을 위해 연구의 방향을 제시하였다는 측면에서의 학문적인 의의는 물론, 실무적인 참고자료로 활용될 수 있을 것으로 판단된다.

참고문헌 (Reference)

1 장효진 ; 곽현 ; 최승회, "회귀모형을 이용한 한국프로농구 승부결과 분석" 한국지능시스템학회 25 (25): 489-494, 2015

2 김세형 ; 박재현 ; 김혜진 ; 강상조, "한국프로농구 경기기록 분석에 의한 승패결정요인" 한국체육측정평가학회 10 (10): 1-12, 2008

3 장진희 ; 문춘걸, "한국 프로야구의 구단 승률에 대한 분석" 한국스포츠산업경영학회 19 (19): 17-31, 2014

4 류지호 ; 한진욱 ; 김민수, "포제션 개념을 적용한 한국남자프로농구 승률 예측 분석" 국민체육진흥공단 한국스포츠정책과학원 29 (29): 129-137, 2018

5 박가희 ; 박리라 ; 송종우, "통계적 예측모형을 활용한 경륜 경기 순위 분석" 한국통계학회 30 (30): 25-39, 2017

6 강선경 ; 최윤 ; 박수빈, "일상 스트레스와 도박중독 성향의 관계에서 금전동기와 비금전동기의 매개효과: 경륜 참여자를 중심으로" 대한스트레스학회 27 (27): 132-138, 2019

7 김태훈 ; 임성원 ; 고진광 ; 이재학, "인공지능 모델에 따른 한국 프로야구의 승패 예측 분석에 관한 연구" 사)한국빅데이터학회 5 (5): 77-84, 2020

8 김필수 ; 이상현, "빅데이터 분석을 적용한 한국프로농구 리그 정규시즌 경기결과의 머신러닝 분류모형 예측성능 비교에 관한 연구" 한국체육학회 62 (62): 263-277, 2023

9 안세환 ; 김영민, "미국 프로농구(NBA)의 플레이오프 진출에 영향을 미치는 주요 변수 예측: 3점과 턴오버 속성을 중심으로" 한국지능정보시스템학회 28 (28): 263-286, 2022

10 김필수 ; 이상현, "로지스틱 회귀모형을 이용한 한국프로농구팀의 승패 결정요인 분석: 자원기반관점과 상황이론" 한국스포츠산업경영학회 28 (28): 44-59, 2023

11 서영진 ; 문형우 ; 우용태, "기계학습 기법을 이용한 한국프로야구 승패 예측 모델" 한국컴퓨터정보학회 24 (24): 17-24, 2019

12 김진세 ; 김대희, "경륜･경정 온라인 발매 도입을 위한 법령 개정안 연구" 한국스포츠엔터테인먼트법학회 23 (23): 85-107, 2020

13 이정수 ; 조현익 ; 김치범 ; 김대근, "경륜지도자의 비언어적 커뮤니케이션이 신뢰, 운동행동에 미치는 영향" 한국체육과학회 26 (26): 373-383, 2017

14 강라현, "경륜도박의 중독 요인과 환경에 대한 사례고찰: 부산･창원 경륜장을 이용하는 중독자를 중심으로" 인문사회 21 11 (11): 1599-1614, 2020

15 최창환 ; 윤지운, "경륜 출주정보를 활용한 승자 예측모형 탐색 : 데이터마이닝 기반 의사결정나무분석의 적용" 한국체육측정평가학회 19 (19): 15-26, 2017

16 이소영 ; 최혜진 ; 윤수인 ; 최순례 ; 이홍직 ; 윤승태, "경륜 장외발매소 이용자의 도박동기, 몰입, 문제도박과의 관계에서 이용빈도의 조절된 매개효과" 한국콘텐츠학회 19 (19): 659-674, 2019

17 성봉주 ; 이광규, "경륜 선수의 경기력과 체력 요인간의 관계" 국민체육진흥공단 한국스포츠정책과학원 31 (31): 48-58, 2020

18 최성락 ; 박준휘, "경륜 사행산업에서 전자카드제 이용의 효과 분석" 서울행정학회 29 (29): 259-278, 2018

19 박지희, "경륜 사이클 선수의 윈게이트 파워 차이가 체력 및 등 속성 근기능에 미치는 영향" 25 (25): 27-28, 2018

20 Ćwiklinski, B, "Who will score? a machine learning approach to supporting football team building and transfers" 23 (23): 1-12, 2021

21 Huang, M. L., "Use of machine learning and deep learning to predict the outcomes of major league baseball matches" 11 (11): 4499-, 2021

22 Horvat, T., "The impact of selecting a validation method in machine learning on predicting basketball game outcomes" 12 (12): 431-, 2020

23 Wu, H., "The ensemble approach to forecasting : A review and synthesis" 132 : 103357-, 2021

24 Bunker, R., "The application of machine learning techniques for predicting match results in team sport : A review" 73 : 1285-1322, 2022

25 Nguyen, N. H., "The application of machine learning and deep learning in sport : predicting NBA players’ performance and popularity" 6 (6): 217-235, 2022

26 Lewis, D. P., "Support vector machine learning from heterogeneous data : An empirical analysis using protein sequence and structure" 22 (22): 2753-2760, 2006

27 Keshtkar Langaroudi, M., "Sports result prediction based on machine learning and computational intelligence approaches : A survey" 5 (5): 27-36, 2019

28 Breiman, L., "Random forests" 45 (45): 5-32, 2001

29 Baboota, R., "Predictive analysis and modelling football results using machine learning approach for English Premier League" 35 (35): 741-755, 2019

30 Levandoski, A., "Predicting the NCAA Men’s Basketball Tournament with machine learning" 2017

31 Bishop, C. M., "Pattern recognition and machine learning" Springer 2006

32 Sharma, M., "Naive bayes-correlation based feature weighting technique for sports match result prediction" 15 (15): 2171-2186, 2022

33 Thabtah, F., "NBA game result prediction using feature analysis and machine learning" 6 (6): 103-116, 2019

34 Yaseen, A. S., "Multimodal machine learning for Major League Baseball playoff prediction" 46 (46): 1-9, 2022

35 Strader, T. J., "Machine learning stock market prediction studies : Review and research directions" 28 (28): 63-83, 2020

36 Xie, J., "Machine learning of swimming data via wisdom of crowd and regression analysis" 14 (14): 511-527, 2016

37 Borowski, P., "Machine learning in the prediction of flat horse racing results in Poland" University of Warsaw 2021

38 Alonso, R. P., "Machine learning approach to predicting a basketball game outcome" 7 (7): 60-77, 2022

39 Schölkopf, B., "Learning with kernels: Support vector machines, regularization, optimization, and beyond" MIT Press 2002

40 Lu, C. J., "Improving sports outcome prediction process using integrating adaptive weighted features and machine learning techniques" 9 (9): 1563-, 2021

41 Lessmann, S., "Identifying winners of competitive events : A SVM-based classification model for horserace prediction" 196 (196): 569-577, 2009

42 Constantinou, A. C., "Dolores: A model that predicts football match outcomes from all over the world" 108 (108): 49-75, 2019

43 Migliorati, M., "Detecting drivers of basketball successful games : An exploratory study with machine learning algorithms" 13 (13): 454-473, 2020

44 Min, M., "Detecting anomalous transactions via an iot based application : A machine learning approach for horse racing betting" 21 (21): 2039-, 2021

45 Khan, S., "Comparing machine learning and ensemble learning in the field of football" 9 (9): 4321-, 2019

46 Oswald, F. L., "Big data in industrial-organizational psychology and human resource management : Forward progress for organizational research and practice" 7 : 505-533, 2020

47 Breiman, L., "Bagging predictors" 24 : 123-140, 1996

48 Russell, S. J., "Artificial intelligence a modern approach" Pearson Education, Inc 2010

49 Hosmer, D. W. Jr., "Applied logistic regression" John Wiley & Sons 2013

50 Pai, P. F., "Analyzing basketball games by a support vector machines with decision tree model" 28 : 4159-4167, 2017

51 James, G., "An introduction to statistical learning" Springer 2013

52 Rojas, R., "AdaBoost and Super Bowl of classifiers a tutorial introduction to adaptive boosting" Freie University 2009

53 Haghighat, M., "A review of data mining techniques for result prediction in sports" 2 (2): 7-12, 2013

54 Bunker, R. P., "A machine learning framework for sport result prediction" 15 (15): 27-33, 2019

55 Gu, W., "A game-predicting expert system using big data and machine learning" 130 : 293-305, 2019

56 예원진 ; 이성노, "2022 FIBA 남자농구 아시안컵 경기결과를 활용한 머신러닝 분류 모형의 예측 성능 비교" 한국체육측정평가학회 24 (24): 53-69, 2022

57 사행산업통합감독위원회, "2021 사행산업관련통계" 2022