Prediction of basketball game results using machine learning algorithms: Analysis of NBA & TBL
Makine öğrenmesi yöntemleri ile basketbol maç sonucu tahmini: NBA ve TBL analizleri
- Tez No: 714777
- Danışmanlar: PROF. DR. BARIŞ SÜRÜCÜ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Analitik modelleme, Ağaç modelleme, Destek vektör makineleri, NBA, Veri modelleme, Yapay zeka, İstatistiksel modelleme, Analytical modelling, Tree modelling, Support vector machines, NBA, Data modelling, Artificial intelligence, Statistical modelling
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bir basketbol maçının sonucunu etkileyen takım gücü, ev sahibi avantajı, dinlenme süresi ve momentum gibi çeşitli faktörler vardır. Başta NBA'de olmak üzere son birkaç yılda takımlar gelişmiş metrikler ve veri analizini kullanarak bu faktörlerin oyuna etkisini ölçebilir hale geldiler. Bu gelişmelere rağmen gelişmiş takım istatistiklerini ve oyuncu bazlı faktörleri bir arada ele alarak basketbol maç sonucu tahmini yapan çok az çalışma bulunmaktadır. Bu çalışmada, hem NBA hem TBL için Four Factor metrikleri ile takım gücü, ev sahibi avantajı, fikstür ile dinlenme süresi, momentum ve takımdaki en skorer oyuncu gibi oyuncu bazlı değişkenler dahil olmak üzere basketbol maçı sonucunu etkileyen değişkenler analiz edilmiştir. Bu faktörlerin analizinden elde edilen bulgular kullanılarak NBA ve TBL'nin 2016-2017, 2017-2018 ve 2018-2019 normal sezon maçlarının sonucunu tahmin etmek için makine öğrenmesi modelleri kullanılmıştır. Bu çalışmada ELO Rating Modeli, Lojistik Regresyon, Destek Vektör Sınıflandırıcısı, Karar Ağacı, Random Forest, Naïve Bayes, KNN, LGBM, XGBoost ve Neural Network modelleri kullanılmıştır. NBA'de başarılı bir takım olmak için süper star oyuncu üzerinden oynamanın geçerli bir seçenek olduğu, TBL'de ise bunun tam tersi olduğu gözükmektedir. Ayrıca, TBL'de takımlar arasındaki güç dengesizliğinin fazla olması ve NBA'deki fikstür dengesizlikleri nedeniyle TBL'nin NBA'den daha tahmin edilebilir olduğu gözükmektedir (Model performansları TBL için %77,5'e kadar, NBA'de ise %67,5'e kadar çıkabiliyor). Ayrıca gelişmiş istatistiklerin kullanılması NBA'deki tahmin performansı üzerinde TBL'ye oranla daha iyileştirici bir etkiye sahiptir.
Özet (Çeviri)
There are several factors affecting the basketball game results including team strength, home court advantage, resting, and momentum. Using advanced metrics and data analysis, it has become much easier for teams to measure the impact of these factors on the game results over the past few years, especially in the NBA (National Basketball Association). Only a few studies are performed related to the prediction of the basketball game results, which consider advanced team statistics and player-specific factors together. This study analyzes the variables that affect basketball game results, including overall team strength via Four Factor metrics, home-court advantage, schedule, back-to-back games, momentum, and player-based variables such as maximum points per game for both NBA and TBL (Turkish Basketball League). Afterward, using the analysis findings of these factors, machine learning models are used to predict the game results in NBA & TBL for three seasons in 2016-2017, 2017-2018, and 2018-2019 regular seasons. In this study, ELO Rating Model, Logistic Regression, Support Vector Classifier, Decision Tree, Random Forest, Naïve Bayes, KNN, LGBM, XGBoost, and Neural Network models are used. Analysis and results show that using superstar players to advance in the league is a valid option in NBA while it is not in TBL. Moreover, TBL is more predictable (up to 77.5%) than NBA (up to 67.5%) since there are power imbalances among teams in TBL and scheduling imbalances in NBA. Also using advanced variables has a better impact on the accuracies in NBA.
Benzer Tezler
- Elit basketbol hakemlerinde temporomandibular eklem düzensizlik ve bruksizm saptanması, ultrasonografik olarak değerlendirilmesi ve bulguların sağlıklı gönüllülerle karşılaştırılması
Assessment of temporomandibular joint disorders and bruxism in elite basketball referees: An ultrasonographic evaluation and comparative analysis with healthy controls
İZEL DENİZ PEHLİVAN ÇAKICI
Tıpta Uzmanlık
Türkçe
2026
Fiziksel Tıp ve RehabilitasyonSağlık Bilimleri ÜniversitesiFiziksel Tıp ve Rehabilitasyon Ana Bilim Dalı
DOÇ. DR. CANSIN MEDİN CEYLAN
- Spor verisi ile analiz ve tahminleme: Bir NBA uygulaması
Analysis and forecasting with sports data: An NBA application
VOLKAN KURUM
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
PROF. DR. MEHMET ALPER TUNGA
- Basketbolcuların kişilik özellikleri, sportif öz güvenleri ve algıladıkları grup bütünlüğü arasındaki ilişkinin incelenmesi
The correlation between the personality traits of basketball players, sportive self-confidence and perceived group cohesion
NEVAL NURSEDA YEŞİL
Yüksek Lisans
Türkçe
2024
SporMersin ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
DOÇ. DR. FATMA ÇEPİKKURT
- Predicting the winning team in basketball: A complex systems approach
Basketbolda kazanan takımı tahmin etmek: Karmaşık sistem yaklaşımı
LATİF CEM ÖSKEN
Doktora
İngilizce
2023
Yönetim Bilişim SistemleriBoğaziçi ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. CEYLAN ONAY
- Center of mass prediction from joint angles: A machine learning study in under-16 basketball athletes
Eklem açılarından kütle merkezi tahmini: 16 yaş altı basketbol oyuncularında makine öğrenimi çalışması
OMAR KASSEM
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BURCU TUNÇ ÇAMLIBEL