Predictive analysis of successful basketball shots: The Euroleague case
Başarılı basketbol şutlarının tahminsel analizi: Euroleague örneği
- Tez No: 518252
- Danışmanlar: DOÇ. DR. RAHA AKHAVAN TABATABAEI
- Tez Türü: Yüksek Lisans
- Konular: İşletme, İstatistik, Spor, Business Administration, Statistics, Sports
- Anahtar Kelimeler: Basketbol, Basketbol takımı, Lojistik regresyon analizi, Spor kulüpleri, Tahmin, Şut atış yüzdesi, Basketball, Basketball team, Logistic regression analysis, Sports clubs, Estimation, Shooting percentage
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Basketbol sporu, kulüplerin gelir yönetimi, kadro planlama, taraftar etkileşim yönetimi ve saha içi karar verme sistemlerinde yararlandıkları yüksek miktarlarda veri üretiyor. Gelişmiş veri toplama sistemlerinden elde edilen veriler, oyuncuların ve topun sahadaki hareketinden en yüksek faydayı sağlayacak analitik uygulamaların geliştirilmesinde kullanılıyor. Üst düzey takımların arasında temel basketbol tekniği, fiziksel kapasite ve motivasyon parametreleri açısından çok büyük büyük farklar olmadığı göz önünde bulundurulursa, bu değeri bilgi, takımların karar verme süreçlerinde destekliyor ve başarılı olma konusunda kayda değer bir etkide bulunuyor. Bu tezde on sezounluk Eurloegue profesyonel basketbol ligi verisini, oyun içi değişkenleri ile inceleyerek, başarılı basketbol şutları ile ilgili tahmin modelleri yaratıyoruz. İkili sınıflandırma metodlarından, lojistik regresyon, random forest, naive Bayes, support vector makinaları ve yapay sinir ağları gibi modelleri kullanıyoruz. Bu farklı modellerin basketbol alanındaki verimlerini değerlendirerek, bu alan için en iyi modeli tespit ediyoruz. Çalıştırdığımız modeller arsında random forest en iyi tahmin sonucunu verirken, lojistik regresyon gerektirdiği bilgisayar kapasitesi açısından en verimli model oldu.
Özet (Çeviri)
Basketball industry creates vast amounts of data from which the organizations benefit to improve their business processes like revenue management, roster selection, fan engagement, and on-field decision making. Sophisticated data collection systems are being developed in order to get the maximum benefit from analysis of the movements and actions of all elements in the field. Since elite teams do not have huge differences when compared to each other in terms of advanced fundamental, physical capacity, and motivation, this valuable information is helping them to develop data driven decision making applications which give them a significant advantage on winning. In this thesis, we analyze ten seasons of the Euroleague professional basketball data consisting of spatiotemporal, player based, and situational variables such as score difference, shot type, and home or away team. Using these variables, we build predictive models for the accurate prediction of successful shots. We develop binary classification methods such as logistic regression, random forest, naive bayes, support vector machines, and artificial neural networks. We compare these models to evaluate the best approach for classification problems of successful basketball shots. Among all models we applied, random forest is the most accurate and logistic regression is computationally the most efficient model.
Benzer Tezler
- Basketbol serbest atış performansında elektrofizyolojik ölçümleme tabanlı yapay zekâ modeli
Electrophysiological data-driven artificial intelligence modeling for basketball free throw performance
RAMAZAN SEMİH TEKE
Yüksek Lisans
Türkçe
2025
Bilim ve TeknolojiMarmara ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
PROF. DR. ADİL DENİZ DURU
- Makine öğrenmesi yöntemleri ile nba oyuncu değeri öncülerinin tahmin edilmesi
Predicting nba player value pre-indicators using machine learning methods
TUBA SARI
Yüksek Lisans
Türkçe
2023
Yönetim Bilişim SistemleriAkdeniz ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. KERİM KÜRŞAT ÇEVİK
- Serviks kanserli hastalarda tanı anındaki mrg radyomiks analizinin patolojik subtipleri öngörü değeri
Pathological subtypes predictive value of mri radiomic analysis at the time of diagnosis in cervical cancer patients
KÜBRA NALBANT
Tıpta Uzmanlık
Türkçe
2025
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. ŞADAN TUTUŞ
- Predictive e-sports game analysis using machine learning approaches
Makine öğrenmesi yaklaşımıyla kestirimci e-spor oyun analizi
ATAKAN TUZCU
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Bakırçay ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OKAN BURSA
- Predictive modelling of Türkiye's electricity prices: Evaluating machine learning approaches and key impact factors
Türkiye elektrik fiyatının tahmin modellemesi: Makine öğrenme yaklaşımlarının ve temel etki faktörlerinin değerlendirilmesi
BURAK KURUBACAKOĞLU
Yüksek Lisans
İngilizce
2026
EnerjiBahçeşehir ÜniversitesiBüyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL DURU