Geri Dön

İngiltere premier liginde maç sonuçlarının tahmini için iki aşamalı makine öğrenmesi modeli: özellik mühendisliği ve sınıflandırma yaklaşımları

A two-stage machine learning framework for english premier league match outcome prediction: Feature engineering and classification approaches

PDF İndir

  1. Tez No: 1009185
  2. Yazar: ALİNAZ AKSU
  3. Danışmanlar: PROF. DR. HAYRİ SEVER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
  6. Anahtar Kelimeler: Machine Learning, Football Match Prediction, Data Analytics
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Çankaya Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Veri Analitiği Ana Bilim Dalı
  12. Bilim Dalı: Veri Analitiği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tez çalışmasında, İngiltere Premier Ligi'nde (English Premier League - EPL) oynanan futbol müsabakalarının sonuçlarını tahmin etmeye yönelik olarak iki aşamalı ikili sınıflandırmaya dayalı bir makine öğrenmesi modeli geliştirilmiştir. Çalışmanın temel amacı, futbol maç sonucu tahminlerinde sıklıkla karşılaşılan sınıf dengesizliği problemini azaltmak ve daha kararlı tahminler üretebilen bir modelleme yaklaşımı ortaya koymaktır. Bu doğrultuda, klasik üç sınıflı (ev sahibi galibiyeti–beraberlik–deplasman galibiyeti) tahminleme yaklaşımı yerine, futbol maç sonucu tahmin problemi iki ayrı ikili sınıflandırma alt problemine ayrıştırılarak ele alınmıştır. İlk alt problemde, bir karşılaşmanın berabere sonuçlanıp sonuçlanmayacağı tahmin edilmiştir. İkinci alt problemde ise berabere sonuçlanmayan karşılaşmalar ayrı bir alt küme olarak değerlendirilmiş ve bu maçlar için ev sahibi takımın mı yoksa deplasman takımının mı galip geleceği sınıflandırılmıştır. Bu ayrıştırma yaklaşımı, her bir alt problemin daha dengeli sınıf dağılımları üzerinden öğrenilmesini sağlamış ve karar sınırlarının daha belirginleşmesine katkıda bulunmuştur. Çalışmada kullanılan veri seti, 2012-2025 sezonları arasında İngiltere Premier Ligi'nde oynanan maçları kapsamaktadır. COVID-19 pandemisinin futbol müsabakaları üzerindeki olağan dışı etkileri nedeniyle 2019-2020 ve 2020-2021 sezonları analiz kapsamı dışında bırakılmıştır. Veri ön işleme sürecinde, zaman temelli veri sızıntısını önlemek amacıyla yalnızca maç tarihinden önceki karşılaşmalara ait bilgiler kullanılmıştır. Makine öğrenmesi uygulamalarında aykırı değerlerin model performansı üzerindeki olumsuz etkisini azaltmak amacıyla veri ön işleme aşamasında bu değerler çıkarılmıştır. Özellik mühendisliği aşamasında, takımların kısa vadeli (son 5 maç) ve orta vadeli (son 20 maç) performanslarını yansıtan istatistiksel göstergeler türetilmiş ve bu göstergeler ev sahibi ile deplasman takımı arasındaki farklar (delta değerleri) şeklinde modele girdi olarak verilmiştir. Modelleme sürecinde Support Vector Machine (SVM), Logistic Regression, Decision Tree, AdaBoost ve Light Gradient Boosting Machine (LightGBM) algoritmaları kullanılmış; modeller doğruluk (accuracy), recall, F1 ve AUC gibi performans metrikleri üzerinden karşılaştırmalı olarak değerlendirilmiştir. Deneysel sonuçlar, SVM ve AdaBoost algoritmalarının her iki aşamada da diğer yöntemlere kıyasla daha yüksek ayrım gücü ve tahmin başarımı sunduğunu göstermektedir. Bununla birlikte, bazı durumlarda LightGBM modelinin performans metrikleri optimize edildiğinde, eğitim ve test sonuçları açısından daha iyi değerler elde edilebildiği gözlemlenmiştir. Elde edilen bulgular, önerilen iki aşamalı modelleme yaklaşımının futbol maç sonucu tahminlerinde etkili, uygulanabilir ve geliştirilmeye uygun bir yöntem olduğunu ortaya koymakta; spor analitiği alanında makine öğrenmesi temelli karar destek sistemlerine katkı sağlamaktadır.

Özet (Çeviri)

This thesis presents a two-stage binary classification-based machine learning model for predicting football match outcomes in the English Premier League (EPL). The primary objective of the study is to address the class imbalance problem commonly encountered in football match outcome prediction and to develop a more stable and effective prediction framework. Instead of directly applying a conventional three-class classification approach (home win, draw, away win), the problem is decomposed into two sequential binary classification tasks. In the first stage, the model predicts whether a match will end in a draw. In the second stage, for matches predicted as non-draw, the model determines whether the home team or the away team secures the victory. This decomposition enables each subproblem to be learned on more balanced class distributions, resulting in clearer decision boundaries and improved predictive performance. The dataset used in this study consists of English Premier League match data covering the 2012–2025 seasons. Due to the abnormal playing conditions introduced by the COVID-19 pandemic, the 2019-2020 and 2020-2021 seasons were excluded from the analysis. To prevent temporal data leakage, only information available prior to each match was used during the feature extraction process. During the data preprocessing stage, these outlier values were removed in order to reduce their adverse effects on model performance. Feature engineering was performed by deriving statistical indicators that reflect teams' short-term (last 5 matches) and mid-term (last 20 matches) performance trends. These indicators were subsequently transformed into match-level comparative features using home–away differences (delta representations), allowing the model to capture relative team strength more effectively. This approach aligns with the competitive and contextual nature of football, where relative performance differences play a crucial role in determining match outcomes. Several machine learning algorithms, including Support Vector Machine (SVM), Logistic Regression, Decision Tree, AdaBoost, and Light Gradient Boosting Machine (LightGBM), were implemented and evaluated using accuracy, recall, F1-score, and Area Under the Curve (AUC) metrics. Experimental results demonstrate that the SVM and AdaBoost algorithms consistently outperform other models across both classification stages, providing higher discriminative power and more stable predictions. Moreover, it was observed that better results were obtained when the LightGBM model was appropriately optimized, particularly in handling nonlinear relationships within the data. Overall, the findings indicate that the proposed two-stage modeling approach offers an effective, applicable, and extendable method for football match outcome prediction. By addressing class imbalance at the problem definition level rather than solely through data-level interventions, the study contributes a structured and modular machine learning framework to the field of sports analytics. The proposed approach not only enhances predictive performance but also provides a flexible foundation for future extensions, including the integration of additional contextual variables and application to different leagues and competition formats.

Benzer Tezler

  1. Tez No

    711320

    2019-2020 futbol sezonunda Avrupa'daki üç ligde atılan gollerin incelenmesi

    A review of the goals in three leagues in Europe in the 2019-2020 football season

    RIDVAN DEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    SporKütahya Dumlupınar Üniversitesi

    Beden Eğitimi ve Spor Ana Bilim Dalı

    DOÇ. DR. ALPARSLAN ÜNVEREN

  2. Tez No

    501107

    2014-2015 dönemi 5 büyük futbol liginde atılan plase penaltı vuruşları ile vole penaltı vuruşlarının gol başarısına etkilerinin araştırılması

    2014-2015 investigation on the effects of vacancy plate flaps and volecular pattern hits in the period of 5 great footballs on golf success

    HASAN KARACA

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Sporİstanbul Gelişim Üniversitesi

    Antrenörlük Eğitimi Ana Bilim Dalı

    PROF. DR. RASİM KALE

  3. Tez No

    903644

    Farklı liglerdeki maçların maç analizi yöntemiyle değerlendirilmesi

    Evaluation of matches in different leagues with match analysis method

    FATİH ŞENER

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    SporEskişehir Teknik Üniversitesi

    Hareket ve Antrenman Bilimleri Ana Bilim Dalı

    DOÇ. DR. BARIŞ GÜROL

  4. Tez No

    639722

    Yabancı futbolcu statüsü ve başarı ilişkisi: Türkiye ve 'beş büyük' avrupa futbol ligi üzerine bir araştırma

    The status of foreign player and the correlation of success: A research on the Turkish and the 'big five' european football leagues

    KUTAY ARSLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    SporEge Üniversitesi

    Spor Yönetim Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ERDİNÇ DEMİRAY

  5. Tez No

    224605

    Profesyonel futbol şubeleri bulunan spor kulüplerinin mali yapılarının karşılaştırılması (manchester unıted futbol kulübü - fenerbahçe spor kulübü örneği)

    Comparison of financial structure of sports clubs that have professional footbol branches (a study on fenerbahçe spor kulübü vs manchester united football club)

    SUAT YILDIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2008

    SporMarmara Üniversitesi

    Beden Eğitimi ve Spor Ana Bilim Dalı

    YRD. DOÇ. DR. SERAP MUNGAN AY

Geri Dön