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: Belirtilmemiş.
- 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: 101
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
- Emtia piyasasında piyasa riskinin yönetimi: Riske maruz değer yöntemi ile bir uygulama
Market risk management in commodity market: an application with the value at risk method
SAMET EVCİ
- 11-14 gebelik haftaları arası transabdominal uterin arter doppler ultrasonografinin yüksek riskli gebelerde kötü gebelik sonuçlarını tahmini
Transabdominal uterine artery doppler between 11 and 14 weeks of gestation for the prediction of outcome in high-risk pregnancies
ALİ EMRE TAHAOĞLU
Tıpta Uzmanlık
Türkçe
2011
Kadın Hastalıkları ve DoğumSağlık BakanlığıKadın Hastalıkları ve Doğum Ana Bilim Dalı
UZMAN SİMTEN GENÇ
- Doppler ultrasonografi ve sintigrafi parametrelerinin renal transplant hastalarının kısa ve uzun dönem izlemindeki önemi
The value of doppler ultrasonography and renal scintigraphy in the long term outcomes of pedi̇atri̇c renal transplant pati̇ents
ENGİN MELEK
Tıpta Yan Dal Uzmanlık
Türkçe
2010
NefrolojiBaşkent ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. ESRA BASKIN
- 135° dinamik kalça çivisi ile tedavi edilen intertrokanterik femur kırıklarında tip-apeks mesafesi ölçümleri ve sonuçlara etkisi
Tip–apex distance measurements in patients with intertrochanteric femur fracture who have been treated with 135° degree dynamic hip screw and impacton on outcomes
KUBİLAY BENG
Tıpta Uzmanlık
Türkçe
2005
Ortopedi ve TravmatolojiSağlık BakanlığıOrtopedi ve Travmatoloji Ana Bilim Dalı
DOÇ. DR. İRFAN ÖZTÜRK
- Miad aşımı gebeliklerin değerlendirilmesinde kardiotokografi, mekonyum varlığı, amniotik sıvı indeksi, apgar skorlarının, umblikal arter kan gazı ve ve umblikal venöz eritropoetinin önemi
The role of cardiotocography,presence of meconium, amnitotic fluid index, apgar score , umblical cord arterial blood gases and umblical cord venous erythropoeitin levels in evaluating fetal well being in postterm pregnancy.
AYŞE SEYHAN ATA
Tıpta Uzmanlık
Türkçe
2006
Kadın Hastalıkları ve DoğumSağlık BakanlığıKadın Hastalıkları ve Doğum Ana Bilim Dalı
DR. BİLHAN SİDAL