Maç sonuçları için klasik çok değişkenli yöntemler ve makine öğrenmesi ile istatistiksel öngörü tahmini
Statistical prediction of match results with classical multivariate and machine learning methods
- Tez No: 679839
- Danışmanlar: PROF. DR. ALİ HAKAN BÜYÜKLÜ
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Futbolda en önemli konulardan birisi asıl amaç olan maçın sonucunun tahmin edilmesidir. Çok fazla değişkene sahip olması nedeniyle iyi bir şekilde analiz edilmeli ve değerlendirilmelidir. Bu tez çalışmasının amacı, performans göstergelerini ve durumsal değişkenleri kullanarak galibiyet, beraberlik ve mağlubiyet olmak üzere maç sonucunu tahmin etmektir. Çalışmanın örneklemi, 2010/2021 sezonundan başlayarak, 2019/2020 yılına kadar olan Avrupa Şampiyonlar Ligi grup aşamasındaki tüm maçları kapsamaktadır. İlk olarak, performans değişkenlerinin maç sonucuna etkisini incelemek amacıyla, tek yönlü varyans analizi (ANOVA) uygulanmıştır. Analiz sonucunda, istatistiksel olarak anlamlı bulununan ve maç sonucu bakımından farklılık gösteren değişkenlerin hangi sonuç bakımından farklı olduğu Tukey HSD testi ile belirlenmiştir. Sonraki aşamada, maç sonucunu etkileyen performans göstergeleri kullanılarak veri seti k-ortalama kümeleme yöntemiyle, rakibin kalitesi bakımından zayıf, dengeli ve güçlü olmak üzere üç kümeye ayrılmıştır. Ayrıca, takımların rakiplerinin gücüne göre maç performanslarının nasıl farklılaştığını görselleştirmek için çok boyutlu ölçekleme yöntemi kullanılmıştır. Çok boyutlu ölçekleme analizinin sonuçlarını desteklemek amacıyla, karar ağaçları analizinden faydalanılmıştır. Bu yöntem sayesinde kazanma, berabere kalma ve yenilme şansını azaltan ve arttıran değişkenler belirlenmiştir. Kullanılan tüm bu istatistiksel yöntemlerin sonucunda, performans göstergeleri ve durumsal değişkenler kullanılarak maç sonucu, galibiyet, beraberlik ve mağlubiyet olmak üzere destek vektör makineleri ve yapay sinir ağları kullanılarak sınıflandırılmıştır. Beraberlik sonucunun, sınıflandırma başarısını düşürürken, galibiyet ve mağlubiyet sonuçlarının iyi ayrıştığı saptanmıştır. Sonuç olarak, değişkenler doğru analiz edildiğinde, maç sonucunun yaklaşık %90 oranından doğru tahmin edildiği belirlenmiştir. Bu bulgular, antrenörlerin maç öncesinde veya sırasında rakibin kalitesine, performans göstergelerine ve durumsal değişkenlere göre farklı stratejiler geliştirmesine yardımcı olabileceğini göstermektedir.
Özet (Çeviri)
One of the most important issues in soccer is to predict the match outcome, which is the main goal. Because it has so many variables, it should be well analyzed and evaluated. The purpose of this thesis is to predict the match outcome, including win, draw and loss, using performance indicators and situational variables. The sample of the study covers all matches in the European Champions League group stage starting from the 2010/2021 season through to 2019/2020. First, one-way analysis of variance (ANOVA) was applied to examine the effect of performance variables on the match outcome. As a result of this analysis, Tukey HSD test was used to determine which groups were different for variables that were found to be statistically significant and differ in terms of match outcome. Second, the data set was divided into three clusters as weak, balanced and strong in terms of the quality of the oppositions, using the k-mean clustering method with the performance indicators affecting the match outcome. In addition, multidimensional scaling method was used to visualize how the match performances of the teams differ according to the quality of the opposition. Decision trees analysis was used to support the results of the multidimensional scaling analysis. Thanks to this method, variables that decrease and increase the chances of winning, drawing, and losing have been determined. As a result of all these statistical methods used, using performance indicators and situational variables, the match outcome was classified using support vector machines and artificial neural networks as win, draw and loss. It has been determined that the drawing as an outcome decreases the classification accuracy, while the win and loss outcome are well differentiated. As a result, when the variables are analyzed correctly, it is determined that the match outcome is predicted correctly about 90%. These findings show that coaches can help develop different strategies according to the quality of the opposition, performance indicators and situational variables before or during the match.
Benzer Tezler
- Anomaly detection in ınternet of medical things using deep learning
Anomaly detect ionin internet of medical things using deep learning
AYŞE BETÜL BÜKEN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
- Dokuma kumaşlarda örgü tipinin ham kumaşın boyutları ve geometrik özellikleri üzerindeki etkilerinin araştırılması
Başlık çevirisi yok
EMEL ÖNDER
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNGÖR BAŞER
- Tekstil boyamacılığında atık flottede boyama imkanları üzerine araştırma
Başlık çevirisi yok
MEHMET YAKARTEPE
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KERİM DURAN
- Bir pamuk iplikhanesinde fiili çalışma metodlarının incelenmesi ve mevcut işlemlerin standart sürelerinin saptanması
Başlık çevirisi yok
MÜRŞİDE KESEROĞLU
Yüksek Lisans
Türkçe
1985
İşletmeEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA NAZMİ ERCAN
- Türkiye trafik düzeninde kazaların azaltılması açısından yeni trafik kanunu uygulaması ile ilgili sorunlar ve çözüm yolları
Başlık çevirisi yok
ERDAL UÇAR
Yüksek Lisans
Türkçe
1986
UlaşımGazi ÜniversitesiKazaların Çevresel ve Teknik Araştırması Ana Bilim Dalı (disiplinlerarası)
PROF. DR. RIDVAN EGE