KCI등재
머신러닝 기반 XGBoost을 활용한 한국프로야구 투수 케이시 켈리의 상황별 구종 예측 모델 개발 = Modeling the Machine Learning-Based XGBoost for Prediction of Korean Professional Baseball Pitcher Casey P. Kelly's Situational Pitch-Type
저자
조선미 (명지대학교)
발행기관
학술지명
권호사항
발행연도
2023
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
수록면
87-98(12쪽)
제공처
연구목적 이 연구의 목적은 머신러닝 기반(XGBoost) 한국프로야구 경기의 투구 예측 인공지능 모델을 개발하는 것이다. 연구방법 이 연구의 목적 달성을 위해 한국프로야구 LG트윈스팀의 투수 한 명을선정하여, 2019시즌부터 2023시즌까지 5년 동안 투구한, 13,000건의 투구데이터를 수집하였다. 수집데이터는 연도별 또는 경기별 집계된 2차 데이터가 아닌, 각각의 투구에 해당하는 1차 데이터이다. 모델 개발을 위해 각 투구별 상황 정보, 투구정보, 경기정보 등을 순차적으로 정리하였다. 인공지능개발을 위한 알고리즘은 결정 트리 기반의 앙상블 학습 알고리즘인 XGBoost를 사용하였다. 연구대상으로 선정된 투수의 구종을 직구, 변화구, 오프스피드 3종으로 범주화하여 예측 모델을 개발하였으며, 투입 변수를 조절하며 총 4가지의 인공지능 모델을 개발하고, 성능을 평가하였다. 예측 결과는 해당투구의 구종에 대한 예측 확률값으로 출력하도록 설정하였다. 결과 투구의 상황 정보 및 해당 투구정보를 투입 변수로 한 1번 모델의 정확도는 93.04%를 기록하였다. 투구의 상황 정보만을 투입 변수로 한 두 번째 인공지능 모델의 정확도는 55.04%를 기록하였다. 투구의 상황 정보와 해당 투구 직전에던진 투구의 정보를 투입 변수로 모델링 한 인공지능 모델의 정확도는 61.30%의 정확도를 기록하였다. 투구의 상황 정보와 해당 투구 직전 투구와 전전 투구 정보를 투입한 네 번째 인공지능 모델의정확도는 70.45%를 기록하였다. 결론 이 연구의 4가지 인공지능 모델은 크게 해당 투구 정보의 입력여부에 따라 나뉜다. 실제로 해당 투구의 투구 속도 및 스트라이크존(좌표)의 값을 기반으로 개발된모델은 예측 성능이 매우 좋았다. 하지만, 경기분석의 예측과 활용 측면에서 투구 정보를 입력하는것은 실시간 예측이나 현장의 실용성 영역에서 비교적 활용도가 낮을 수 있다. 따라서 이 연구에서는해당 투구의 투구 정보를 배제한 3가지 모델을 추가적으로 개발하였고, 성능을 평가하였다. 이 연구의연구결과는 추후 실시간 투구 예측 시스템 개발을 위한 기초자료를 제공할 수 있다.
더보기Purpose The purpose of this study is to develop an AI model for predicting the pitches in Korean professional baseball games using the XGBoost algorithm based on machine learning. Methods To achieve the purpose of this study, a pitcher from the LG Twins team of the Korean professional baseball league was selected, and 13,000 pitches from the 2019~2023 season were collected. The collected data is not secondary data aggregated by year or game, but raw data corresponding to each pitch. The algorithm for developing is the XGBoost, which is an ensemble learning algorithm based on decision trees. A total of four AI models were developed by adjusting the input variables. The prediction results were set to output the predicted probability value for the pitch type. Result The accuracy of the first AI model with the pitch situation information and the pitch information as input variables was 93.04%. The accuracy of the second AI model with only the pitch situation information as input variables was 55.04%. The accuracy of the AI model modeled with the pitch situation information and the information of the pitch thrown immediately before the pitch as input variables was 61.30%. The accuracy of the fourth AI model with the pitch situation information and the information of the pitch thrown immediately before the pitch and the pitch thrown before that was 70.45%. Conclusion The four AI models in this study are divided into two major categories, depending on whether the pitch information is input. In fact, the model developed based on the values of the pitch speed and strike zone of the actual pitch had very good prediction performance. However, from the perspective of forecasting and utilizing game analysis, inputting pitch information can be relatively low in terms of feasibility in the field of real-time forecasting or practical use. The results of this study can provide basic data for the development of a real-time pitch prediction system
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)