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: 83
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
- A parallel monolithic approach for the numerical simulation of fluid-structure interaction problems
Akışkan-yapı etkileşimi problemlerinin sayısal simülasyonu için paralel monolitik bir yöntem
ALİ EKEN
Doktora
İngilizce
2016
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HAYRİ ACAR
DOÇ. DR. MEHMET ŞAHİN
- Modulation options for OFDM-based waveforms
OFDM tabanlı dalga biçimleri için modülasyon seçenekleri
AHMAD MOHAMMAD ABD-ALGHANI JARADAT
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Medipol ÜniversitesiElektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı
PROF. DR. HÜSEYİN ARSLAN
- Intersection-based routing protocol for vehicular AD-HOC networks
Araçlar arası ağlar için kavşak yönlendirmeli taşıma protokolü
ÇAĞDAŞ YAMAN
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TANKUT ACARMAN
- Code design for interference channels
Girişim kanalları için kod tasarımı
MAHDI SHAKIBA HERFEH
Doktora
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TOLGA METE DUMAN
- New lightweight DoS attack mitigation techniques for RPL based IoT networks
RPL temelli IoT ağları için DoS saldırılarının etkisini azaltacak yeni teknikler
AHMET ARIŞ
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEMA FATMA OKTUĞ