Futbolcuların piyasa değerinde performansın önemi: Bir makine öğrenimi yaklaşımı
The importance of performance of football players on market value: A machine learning approach
- Tez No: 747281
- Danışmanlar: DR. ÖĞR. ÜYESİ ERHAN ÇENE
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Futbol, Makine öğrenmesi, Piyasa değeri, Spor analitiği, Football, Machine learning, Market value, Sports analytics
- Yıl: 2022
- 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
Modern spor dallarının icadından beri spor severler, sporcular ve yöneticiler sürekli olarak veri ile yaşamaktadırlar. Bilgisayar teknolojilerinin gelişimi ile birlikte verinin üretilmesi, toplanması, işlenmesi ve bilgiye dönüşümünün kolaylaşması, pek çok sektörde büyük etki yaratmıştır. Günümüzde veri bilimi uygulamaları her alanda olduğu gibi spor dallarında da hızla yaygınlaşmaktadır. Futbol, basketbol, beyzbol, hokey gibi takım sporlarında rekabet üstünlüğü sağlamak amacıyla; oyuncu keşfi ve gelişimi, taktik geliştirme, transfer süreçlerinin yönetilmesi vb. konularda kulüpler veri bilimi uygulamalarına sıklıkla başvurmaktadırlar. Bu çalışmada amaçlanan, makine öğrenmesi algoritmaları kullanılarak futbolcuların piyasa değerlerini tahmin etmek ve bir öneri sistemi olarak kullanılıp kullanılmayacağını araştırmaktır. Araştırmada kullanılan veri seti 2017-2021 sezonları içerisinde beş büyük Avrupa liginde (Almanya, Fransa, İngiltere, İspanya, İtalya) oynamış 3948 futbolcudan oluşmaktadır. Araştırma sonucunda piyasa değerinin bonservis bedelini açıklamada ve transfer süreçlerini yönetmede etkili bir faktör olabileceği düşünülmektedir. Tüm çalışmalar Python programla dili yapılmıştır. Temel Bileşen Analizi ile veri seti içerisinde çok fazla sayıda bulunan performans istatistikleri daha az bileşenle açıklanmıştır. Modelleme aşamasında LGBM, XGBoost, RF ve Bagging algoritmaları kullanılmış ve model başarıları değerlendirdikten sonra referans model olarak LGBM modelinin araştırma probleminde en iyi performansı gösterdiği tespit edilmiştir. Referans modelin performansı, öznitelik mühendisliği ve parametre ayarlamaları ile iyileştirilmiştir. Model sonuçları, SHAP analizi ve hipotez testleri kullanılarak incelenmiştir. Bu yöntemler, model başarısı ve piyasa değeri ile bonservis bedeli arasındaki ilişki hakkında detaylı bilgi sunmaktadır.
Özet (Çeviri)
Since the invention of modern sports, sports lovers, athletes and managers have constantly been living with data. With the development of computer technologies, the production, collection, processing and conversion of data into information has become easier and has had a great impact on many sectors. Today, data science applications are spreading rapidly in sports branches as in every field. In order to provide competitive advantage in team sports such as football, basketball, baseball and hockey; player discovery and development, tactics development, management of transfer processes, etc. clubs frequently apply to data science applications. The aim of this study is to predict the market values of football players using machine learning algorithms and to investigate whether they can be used as a recommendation system. The data set used in the research consists of 3948 football players who played in five major European leagues (Germany, France, England, Spain, Italy) during the 2017-2021 seasons. As a result of the research, it is thought that the market value can be an effective factor in explaining the transfer fee and managing the transfer processes. All work has been done in Python programming language. Performance statistics, which are too many in the data set, are explained with fewer components by using Principal Component Analysis. LGBM, XGBoost, RF and Bagging algorithms were used in the modeling phase and after evaluating the model performance, it was determined that the LGBM model showed the best performance in the research problem as a reference model. The performance of the reference model has been improved by feature engineering and parameter tuning. Model results were analyzed using SHAP analysis and hypothesis testing. These methods provide detailed information about the model performance and the relationship between market value and transfer fees.
Benzer Tezler
- Yüz amatör futbolcuda ayak arızaları ve hastalıklarının tesbiti, hastalıklardan korunmak için konservatif tedbirler
Başlık çevirisi yok
HALUK SAÇAKLI
- Dörtyüz minik yıldız 14/16 genç takım futbolcularında kuvvet parametrelerinin tesbiti ve yetenek seçimindeki etkisi
Başlık çevirisi yok
MEDNAN SAÇAKLI
- Physical and physiological characteristics of 1989 Turkish national B-youth soccer team players
Başlık çevirisi yok
HİNDAL GÜNDÜZ
